Redes neuronales convolucionales (CNN)

Redes neuronales convolucionales (CNN)

University

12 Qs

quiz-placeholder

Similar activities

Apps

Apps

University

17 Qs

COMPUTACION ADMINISTRATIVA(1) II EXCEL

COMPUTACION ADMINISTRATIVA(1) II EXCEL

1st Grade - University

10 Qs

COMPUTACION ADMINISTRATIVA(4) II EXCEL

COMPUTACION ADMINISTRATIVA(4) II EXCEL

1st Grade - University

10 Qs

Conceptos Generales de la Arquitectura de Aplicaciones Web

Conceptos Generales de la Arquitectura de Aplicaciones Web

University

15 Qs

AS - Quiz 3

AS - Quiz 3

University

11 Qs

Tema 1 Introducción a Redes

Tema 1 Introducción a Redes

University

15 Qs

Momento l: Parcial Arquitectura de software

Momento l: Parcial Arquitectura de software

University

15 Qs

Tema 1:  Estructuras de SO's

Tema 1: Estructuras de SO's

University

10 Qs

Redes neuronales convolucionales (CNN)

Redes neuronales convolucionales (CNN)

Assessment

Quiz

Computers

University

Easy

Created by

William Serrano

Used 1+ times

FREE Resource

12 questions

Show all answers

1.

MULTIPLE CHOICE QUESTION

3 mins • 1 pt

¿Qué son los filtros (kernels) en una red neuronal convolucional?

Matrices usadas para ajustar los pesos de las capas completamente conectadas

Herramientas para reducir el tamaño de la imagen de entrada

Matrices que extraen características de una imagen aplicando convoluciones

Funciones que normalizan los valores de activación de las capas

2.

MULTIPLE CHOICE QUESTION

3 mins • 1 pt

¿Qué efecto tiene la capa de batch normalization en una red neuronal?

Disminuye el número de filtros en las capas convolucionales

Aumenta la dimensionalidad de las entradas

Acelera el entrenamiento y estabiliza la distribución de activaciones

Aumenta el número de neuronas en el modelo totalmente conectado

3.

MULTIPLE CHOICE QUESTION

3 mins • 1 pt

¿Cuándo es útil aplicar Dropout en una CNN?

Para incrementar la velocidad del entrenamiento

Para reducir el riesgo de sobreajuste (overfitting)

Para normalizar las activaciones entre las capas

Para mejorar el rendimiento de inferencia en datos de prueba

4.

MULTIPLE CHOICE QUESTION

3 mins • 1 pt

¿Qué diferencia hay entre Max Pooling y Average Pooling?

Max Pooling selecciona el valor más alto de una región, Average Pooling calcula el valor promedio

Max Pooling reduce el número de canales, Average Pooling los aumenta

Max Pooling se utiliza solo en redes densas, Average Pooling solo en CNN

No hay ninguna diferencia

5.

MULTIPLE CHOICE QUESTION

3 mins • 1 pt

¿Qué problema ayuda a resolver la técnica de batch normalization en redes profundas?

La activación de las neuronas en las últimas capas

La desaparición y explosión de gradientes

La reducción del número de parámetros

La generación de nuevas características

6.

MULTIPLE CHOICE QUESTION

3 mins • 1 pt

¿Qué hace el "padding" en las capas convolucionales?

Reduce el número de filtros utilizados

Reduce la cantidad de parámetros

Agrega valores adicionales alrededor de los bordes de la entrada para mantener las dimensiones

Aumenta el número de canales

7.

MULTIPLE SELECT QUESTION

3 mins • 1 pt

¿Cuál es una de las principales ventajas de utilizar Transfer Learning? (2 correctas)

Permite entrenar redes profundas desde cero más rápido

Permite utilizar modelos preentrenados para evitar entrenar desde cero

Aumenta el tamaño de la red

Reduce el tamaño del conjunto de entrenamiento necesario

Create a free account and access millions of resources

Create resources
Host any resource
Get auto-graded reports
or continue with
Microsoft
Apple
Others
By signing up, you agree to our Terms of Service & Privacy Policy
Already have an account?