Quay lại bộ đề
Question #27 Topic 1
In deep learning, which of the following is the PRIMARY benefit of hierarchical feature learning?
Trong học sâu (deep learning), lợi ích CHÍNH của việc học đặc trưng phân cấp (hierarchical feature learning) là gì?
A
It allows models to manually define features.
Nó cho phép các mô hình định nghĩa các đặc trưng một cách thủ công.
B
It reduces the need for labeled data.
Nó làm giảm nhu cầu về dữ liệu được gán nhãn.
C
It enables models to learn complex patterns from raw data.
Nó cho phép các mô hình tự học các mẫu phức tạp từ dữ liệu thô.
Giải thích & Tài liệu tham khảo
Học đặc trưng phân cấp (Hierarchical feature learning) cho phép mạng nơ-ron tự động trích xuất các đặc trưng từ mức độ đơn giản (như các cạnh, đường nét ở các tầng đầu) đến mức độ phức tạp (như hình dạng, đối tượng ở các tầng sâu hơn). Điều này giúp mô hình tự học các mẫu phức tạp trực tiếp từ dữ liệu thô (raw data) mà không cần con người thiết kế đặc trưng thủ công.
- Định nghĩa đặc trưng thủ công (Manual definition): Đi ngược lại nguyên lý của học sâu (vốn tự động hóa quá trình này).
- Giảm nhu cầu nhãn (Reduce labeled data): Không phải là lợi ích trực tiếp của tính phân cấp đặc trưng, mà phụ thuộc vào phương pháp học (như self-supervised learning).
(Đáp án được gợi ý bởi AI)