Quiz Algoritma Pembelajaran Mesin

Apa tujuan utama dari algoritma perceptron dalam pembelajaran mesin?

• Menghapus noise pada data

• Mengklasifikasikan data menjadi dua kelas

• Mengoptimalkan ukuran file

• Menyimpan data dalam format tabel

Komponen utama dalam perceptron adalah:

• Input, bobot, bias, fungsi aktivasi

• RAM, CPU, I/O

• Sensor, aktuator, sinyal

• Query, table, index

Perceptron cocok digunakan untuk:

• Klasifikasi linier

• Klasifikasi non-linier seperti XOR

• Kompresi data

• Enkripsi file

Fungsi aktivasi yang digunakan dalam perceptron klasik adalah:

• Sigmoid

• Step function

• ReLU

• Softmax

Salah satu keterbatasan utama perceptron adalah:

• Overfitting

• Tidak bisa menangani data linier

• Tidak bisa menyelesaikan masalah XOR

• Tidak bisa digunakan untuk klasifikasi

Apa yang terjadi jika hasil prediksi berbeda dengan label target dalam perceptron?

• Bobot diperbarui

• Proses dihentikan

• Data dibuang

• Fungsi aktivasi dihapus

Apa tujuan utama algoritma backpropagation dalam neural network?

• Mengelola database

• Memperbarui bobot berdasarkan kesalahan output

• Mengkompresi citra

• Membuat model lebih besar

Algoritma backpropagation bekerja dengan dua langkah utama:

• Konvolusi dan pooling

• Forward pass dan backward pass

• Enkripsi dan dekripsi

• Tokenisasi dan normalisasi

Fungsi loss digunakan dalam backpropagation untuk:

• Mengatur ukuran jaringan

• Mengukur kesalahan antara output dan target

• Menentukan kecepatan training

• Mempercepat pemrosesan data

Masalah umum dalam backpropagation adalah:

• Overclocking

• Vanishing gradient

• Packet loss

• Buffer overflow