Réseaux neuronaux convolutionnels

1. Quel est l'objectif de la couche de convolution dans un CNN ?

A) Classer les données en catégories
B) Effectuer une rétropropagation de l'erreur
C) Fusionner les données en une seule
D) Extraire des caractéristiques des données d'entrée

2. Quelle est l'activation principalement utilisée dans les couches cachées des CNN ?

A) Softmax
B) Tanh (Tangente hyperbolique)
C) ReLU (Rectified Linear Unit)
D) Sigmoid

3. Quel est le rôle de la fonction de perte (loss function) dans un CNN ?

A) Mesurer la différence entre les prédictions du modèle et les valeurs réelles
B) Optimiser le processus d'apprentissage
C) Choisir les caractéristiques à extraire
D) Activer les neurones de sortie

4. Qu'est-ce que la surapprentissage (overfitting) dans un modèle CNN ?

A) Le modèle sous-estime les données d'entrée
B) Le modèle s'est trop adapté aux données d'apprentissage et ne se généralise pas bien aux nouvelles données
C) Le nombre de couches cachées est insuffisant
D) Le taux d'apprentissage est trop élevé

5. Pourquoi utilise-t-on des fonctions d'activation dans les CNN ?

A) Pour ajouter de la non-linéarité au modèle
B) Pour accélérer la convergence de l'apprentissage
C) Pour stabiliser les poids du modèle
D) Pour réduire la dimension des données

6. Quelle est la fonction principale de la couche de sortie d'un CNN dans une tâche de classification d'images ?

A) Extraire les caractéristiques visuelles
B) Appliquer une fonction d'activation
C) Corriger les prédictions erronées
D) Produire des probabilités pour chaque classe

7. Dans un CNN, qu'est-ce que le terme 'padding' désigne-t-il dans le contexte des opérations de convolution ?

A) Application de filtres aléatoires aux données
B) Normalisation des intensités des pixels
C) Réduction de la taille de l'image en sortie
D) Ajout de zéros autour des bords de l'image pour préserver la taille de sortie

8. Quel type de réseau de neurones est souvent utilisé en combinaison avec les CNN pour des tâches plus complexes ?

A) Réseaux de neurones artificiels (ANN)
B) Réseaux adversariaux génératifs (GAN)
C) Réseaux de neurones auto-encodeurs
D) Réseaux de neurones récurrents (RNN)

Créé avec That Quiz — le site de création de tests de math avec des ressources pour d'autres matières.