Câu hỏi:

29/09/2025 16 Lưu

Trong GAN cho dữ liệu không cân bằng, nhược điểm nào có thể xảy ra khi tạo mẫu tổng hợp?

A.

Dữ liệu tổng hợp quá giống dữ liệu thật

B.

Mode collapse, chỉ tạo một số mẫu hạn chế

C.

Tăng độ chính xác của mô hình phân loại

D.

Giảm thời gian huấn luyện

Quảng cáo

Trả lời:

verified Giải bởi Vietjack

Chọn đáp án B.

CÂU HỎI HOT CÙNG CHỦ ĐỀ

Câu 2

A.

Cross-Entropy Loss

B.

Binary Cross-Entropy Loss

C.

Mean Squared Error

D.

Hinge Loss

Lời giải

Chọn đáp án B.

Câu 3

A.

Mean Squared Error

B.

Binary Cross-Entropy

C.

Hinge Loss

D.

Kullback-Leibler Divergence

Lời giải

Bạn cần đăng ký gói VIP ( giá chỉ từ 199K ) để làm bài, xem đáp án và lời giải chi tiết không giới hạn.

Nâng cấp VIP

Câu 4

A.

Chỉ sử dụng dữ liệu của lớp đa số

B.

Đảm bảo dữ liệu tổng hợp không quá khác biệt với dữ liệu thật

C.

Không cần huấn luyện Discriminator

D.

Tăng nhiễu ngẫu nhiên vô hạn

Lời giải

Bạn cần đăng ký gói VIP ( giá chỉ từ 199K ) để làm bài, xem đáp án và lời giải chi tiết không giới hạn.

Nâng cấp VIP

Câu 5

A.

Dữ liệu cần được chuẩn hóa về giá trị 0-1

B.

Cần đảm bảo cân bằng giữa các nhãn

C.

Chỉ cần một nhãn cho mỗi mẫu

D.

Không cần xử lý dữ liệu trước

Lời giải

Bạn cần đăng ký gói VIP ( giá chỉ từ 199K ) để làm bài, xem đáp án và lời giải chi tiết không giới hạn.

Nâng cấp VIP

Câu 6

A.

Không thể xử lý dữ liệu lớn

B.

Số lượng lớp tăng theo cấp số nhân với số nhãn

C.

Không hỗ trợ hàm mất mát Binary Cross-Entropy

D.

Chỉ áp dụng cho dữ liệu văn bản

Lời giải

Bạn cần đăng ký gói VIP ( giá chỉ từ 199K ) để làm bài, xem đáp án và lời giải chi tiết không giới hạn.

Nâng cấp VIP

Lời giải

Bạn cần đăng ký gói VIP ( giá chỉ từ 199K ) để làm bài, xem đáp án và lời giải chi tiết không giới hạn.

Nâng cấp VIP