CNN Exercises

Latihan CNN dari slide kuliah IF3270 Pembelajaran Mesin.

#Link to this headingSoal 1

Perbedaan CNN jika dibandingkan dengan ANN adalah memiliki maksimal satu convolution layer.

#Link to this headingSoal 2

Pernyataan yang benar mengenai convolution layer pada CNN adalah:

a. Inputnya berupa data dalam bentuk grid/matriks

b. Output dari lapisan ini adalah kernel

c. Kernel merupakan parameter dalam bentuk array multidimensi yang disebut juga sebagai feature map

d. Semua pernyataan di atas benar

#Link to this headingSoal 3

Penggunaan CNN untuk klasifikasi gambar lebih tepat dibandingkan ANN karena pada CNN:

a. Input data semakin kecil

b. Dapat menangkap fitur spasial dari gambar

c. Jumlah bobot yang dilatih semakin banyak

d. Terjadi flattening vektor input n-dimensi menjadi 1 dimensi

#Link to this headingSoal 4

Hal yang membedakan ANN dengan CNN adalah:

a. Convolution layer

b. Local connectivity

c. Shared parameter

d. Semua pernyataan di atas benar

#Link to this headingSoal 5

Pernyataan di bawah ini yang benar adalah:

a. CNN tidak scalable untuk memproses gambar

b. ANN memberikan hasil generalisasi dan kecepatan yang jauh lebih baik dibandingkan CNN

c. Metode CNN sudah mengandung langkah ekstraksi fitur

d. ANN dapat menangkap fitur spasial dari data gambar

#Link to this headingSoal 6

Hal penting pada CNN yang terinspirasi dari biological visual cortex pada otak manusia adalah:

a. Parameter sharing

b. Convolution layer

c. Local connectivity

d. Kernel

#Link to this headingSoal 7

Input matriks berukuran $5 \times 5$, kernel $2 \times 2$, stride 1, tanpa padding. Berapa ukuran feature map yang dihasilkan?

#Link to this headingSoal 8

CNN dengan arsitektur: input $32 \times 32 \times 1$ → conv filter $5 \times 5$ → $16 \times 16$ → conv filter $5 \times 5$ → $8 \times 8$ → FC 20 unit. Tanpa parameter sharing, berapa jumlah bobot?

#Link to this headingSoal 9

CNN yang sama dengan Soal 8, tetapi menggunakan parameter sharing. Berapa jumlah bobot?

#Link to this headingSoal 10

CNN dengan input gambar RGB, conv layer pertama menggunakan filter $3 \times 3$, menghasilkan 3 feature map, dengan parameter sharing. Berapa bobot pada conv layer pertama?

#Link to this headingSoal 11

Jika dalam sebuah convolution layer terdapat 5 filter berukuran $3 \times 3 \times 3$, berapa banyak parameternya?

#Link to this headingSoal 12

Pada complex layer terminology, convolution, detector, dan pooling masing-masing menjadi satu layer tersendiri.

#Link to this headingSoal 13

Pada detector stage/layer digunakan fungsi aktivasi.

#Link to this headingSoal 14

Input matriks $4 \times 4$ (area merah) dengan 2 lapisan zero padding di setiap sisi, filter $3 \times 3 \times 1$, stride 1. Berapa volume output-nya?

#Link to this headingSoal 15

Fungsi aktivasi pada pooling stage berguna untuk menerapkan prinsip nonlinearity pada CNN.

#Link to this headingSoal 16

Detector stage digunakan untuk mencegah overfitting.