Test di autovalutazione

Quale è stato il primo modello di neurone artificiale?

A cosa serve una funzione di attivazione?

Quale tra queste non è una funzione di attivazione non lineare?

Quanti neuroni di input sono necessari se il problema ha 5 input?

Quali flussi esistono in un neurone dotato di algoritmo di apprendimento?

Quali sono i fenomeni che i modelli possono incontrare durante il loro training?

Quali metodi è possibile applicare per ridurre l'apprendimento "a memoria" dei dati?

Quali tipi di classificazione esistono?

Considera le seguenti definizioni sul neurone biologico:

1. Trasmette gli impulsi
2. Emette gli impulsi
3. Sono i rami terminali dell'assone
4. Ricevono gli impulsi
5. Provvede alla sopravvivenza del neurone

Associa le definizioni alle seguenti parti del neurone (è presente una definizione extra che non deve essere utilizzata):

Considera le seguenti affermazioni sulle funzioni di attivazione:

1. L’output è proporzionale all’input
2. Restituisce un output binario
3. Soffre del vanishing gradient problem
4. Usata ampiamente negli hidden layer
5. Usata negli output layer per classificazione multiclasse

Associa le affermazioni alle seguenti funzioni di attivazione (è presente una definizione extra che non deve essere utilizzata):