Update
Muft Shiksha™ एक 100% Free Education Portal है 🇮🇳, जिसका उद्देश्य Class 9–12 के हर विद्यार्थी तक High-Quality Education को पूरी तरह मुफ्त पहुँचाना है। 🇮🇳 हम मानते हैं कि अच्छी शिक्षा किसी student की आर्थिक स्थिति पर निर्भर नहीं होनी चाहिए। 🇮🇳 हर विद्यार्थी को वही Quality Study Material, MCQs, Quizzes, Exam Preparation, Concept-Based Learning और Bilingual Support मिलना चाहिए, जो आमतौर पर महंगी Coaching या Premium Platforms में मिलता है। Muft Shiksha™ 🇮🇳 इसी सोच के साथ बनाया गया है • Muft Shiksha™ एक 100% Free Education Portal है 🇮🇳, जिसका उद्देश्य Class 9–12 के हर विद्यार्थी तक High-Quality Education को पूरी तरह मुफ्त पहुँचाना है। 🇮🇳 हम मानते हैं कि अच्छी शिक्षा किसी student की आर्थिक स्थिति पर निर्भर नहीं होनी चाहिए। 🇮🇳 हर विद्यार्थी को वही Quality Study Material, MCQs, Quizzes, Exam Preparation, Concept-Based Learning और Bilingual Support मिलना चाहिए, जो आमतौर पर महंगी Coaching या Premium Platforms में मिलता है। Muft Shiksha™ 🇮🇳 इसी सोच के साथ बनाया गया है • Muft Shiksha™ एक 100% Free Education Portal है 🇮🇳, जिसका उद्देश्य Class 9–12 के हर विद्यार्थी तक High-Quality Education को पूरी तरह मुफ्त पहुँचाना है। 🇮🇳 हम मानते हैं कि अच्छी शिक्षा किसी student की आर्थिक स्थिति पर निर्भर नहीं होनी चाहिए। 🇮🇳 हर विद्यार्थी को वही Quality Study Material, MCQs, Quizzes, Exam Preparation, Concept-Based Learning और Bilingual Support मिलना चाहिए, जो आमतौर पर महंगी Coaching या Premium Platforms में मिलता है। Muft Shiksha™ 🇮🇳 इसी सोच के साथ बनाया गया है
Subjects
Concept-wise Practice

neural networks MCQ Questions for Class 12

neural networks se related questions ko ek jagah revise karein. Har question me bilingual content, answer feedback aur explanation available hai.

All Tags Search Similar

Practice Questions

9 questions tagged with neural networks.

Question 1/9 Easy Artificial Intelligence Part B: Subject Specific Skills Unit 6: Understanding Neural Networks Class 12 Level 10

भार और पक्षपात प्रशिक्षण में क्यों बदलते हैं?

Why do weights and bias change during training?

Explanation opens after your attempt
Correct Answer

A. त्रुटि कम करके बेहतर अनुमान पाने के लिएTo reduce error and get better predictions

Explanation

Simple Explanation

प्रशिक्षण के दौरान नेटवर्क का अनुमान वास्तविक लक्ष्य से मिलाया जाता है और त्रुटि ज्ञात की जाती है। इस त्रुटि के आधार पर भार तथा पक्षपात को अद्यतन किया जाता है, ताकि मॉडल की हानि घटे और भविष्य के अनुमान अधिक सटीक हों। विकल्प C और D संरचना या सक्रियण-प्रकार से संबंधित हैं; वे सामान्यतः भार और पक्षपात के अद्यतन का उद्देश्य नहीं हैं। परीक्षा-युक्ति: भार इनपुट के प्रभाव को और पक्षपात प्रारंभिक समायोजन को नियंत्रित करता है। / During training, the network’s prediction is compared with the target and its error is measured. The weights and bias are then updated using this error so that the model’s loss decreases and future predictions become more accurate. Options C and D concern the network’s structure or activation function, not the usual purpose of updating weights and bias. Exam tip: weights control the influence of inputs, while bias provides an additional adjustable offset.

Open Question Page
Ask Friends
Question 2/9 Easy Artificial Intelligence Part B: Subject Specific Skills Unit 6: Understanding Neural Networks Class 12 Level 10

तंत्रिका जाल में आउटपुट परत का काम क्या है?

What is the role of the output layer in a neural network?

Explanation opens after your attempt
Correct Answer

A. अंतिम परिणाम देनाTo produce the final result

Explanation

Simple Explanation

आउटपुट परत तंत्रिका जाल की अंतिम परत होती है और पिछली परतों से प्राप्त संसाधित जानकारी के आधार पर अंतिम भविष्यवाणी या परिणाम देती है। वर्गीकरण में यह किसी श्रेणी की संभावना या वर्ग-लेबल दे सकती है। विकल्प C मध्यवर्ती परतों का सामान्य कार्य है, जबकि विकल्प B और D आउटपुट परत के कार्य नहीं हैं। परीक्षा टिप: नेटवर्क की अंतिम परत का कार्य अंतिम भविष्यवाणी प्रस्तुत करना याद रखें। / The output layer is the final layer of a neural network. It uses the processed information from earlier layers to produce the final prediction or result. In classification, it may provide class probabilities or a class label. Extracting intermediate features is mainly the role of hidden layers, while passing raw input and collecting training data are not output-layer functions. Exam tip: associate the last layer with the network’s final prediction.

Open Question Page
Ask Friends
Question 3/9 Easy Artificial Intelligence Part B: Subject Specific Skills Unit 6: Understanding Neural Networks Class 12 Level 9

पश्च प्रसारण का उद्देश्य क्या है?

What is the purpose of backpropagation?

Explanation opens after your attempt
Correct Answer

A. त्रुटि के आधार पर भारों को समायोजित करनाTo adjust weights based on the error

Explanation

Simple Explanation

पश्च प्रसारण में मॉडल की त्रुटि या loss से gradient की गणना करके उसे नेटवर्क में पीछे की दिशा में भेजा जाता है। इन gradients के आधार पर भारों को समायोजित किया जाता है, ताकि अगली बार मॉडल की भविष्यवाणी अधिक सटीक हो। इनपुट चित्र का आकार बदलना preprocessing का कार्य है, पश्च प्रसारण का नहीं। परीक्षा टिप: backpropagation को error gradients के आधार पर weights update करने से जोड़कर याद रखें। / Backpropagation calculates gradients from the model’s error or loss and propagates them backward through the network. These gradients are used to adjust the weights so that future predictions become more accurate. Resizing input images is a preprocessing task, not the purpose of backpropagation. Exam tip: remember backpropagation as updating weights using error gradients.

Open Question Page
Ask Friends
Question 4/9 Easy Artificial Intelligence Part B: Subject Specific Skills Unit 6: Understanding Neural Networks Class 12 Level 9

अग्र प्रसारण का सरल अर्थ क्या है?

What is the simple meaning of forward propagation?

Explanation opens after your attempt
Correct Answer

A. इनपुट से आउटपुट तक सूचना का आगे बढ़नाInformation moving from input to output

Explanation

Simple Explanation

अग्र प्रसारण में इनपुट डेटा तंत्रिका जाल की परतों से क्रमशः गुजरता हुआ आउटपुट तक पहुँचता है। इसलिए विकल्प A सही है। विकल्प B पीछे की दिशा में होने वाली प्रक्रिया का संकेत देता है, जो अग्र प्रसारण नहीं है। परीक्षा में याद रखें: forward propagation का अर्थ input से output की दिशा में गणना है। / In forward propagation, input data passes sequentially through the layers of a neural network and reaches the output. Therefore, option A is correct. Option B describes movement in the reverse direction, not forward propagation. Exam tip: remember that forward propagation performs computation from input to output.

Open Question Page
Ask Friends
Question 5/9 Easy Artificial Intelligence Part B: Subject Specific Skills Unit 6: Understanding Neural Networks Class 12 Level 9

गहन अधिगम शब्द किस बात से जुड़ा है?

What is the term deep learning related to?

Explanation opens after your attempt
Correct Answer

A. कई परतों वाले तंत्रिका जाल सेNeural networks with many layers

Explanation

Simple Explanation

गहन अधिगम कृत्रिम तंत्रिका जालों की अनेक परतों का उपयोग करके डेटा से जटिल पैटर्न सीखता है, इसलिए विकल्प A सही है। विकल्प B पारंपरिक नियम-आधारित प्रोग्रामिंग को दर्शाता है, गहन अधिगम को नहीं। चित्र और भाषा पहचान जैसे कार्यों में इसकी परतें उपयोगी होती हैं। परीक्षा-युक्ति: Deep learning को multilayer neural networks से जोड़कर याद रखें। / Deep learning uses multiple layers of artificial neural networks to learn complex patterns from data, so option A is correct. Option B describes manually programmed, rule-based systems rather than deep learning. These layers are useful in tasks such as image and language recognition. Exam tip: Associate deep learning with multilayer neural networks.

Open Question Page
Ask Friends
Question 6/9 Easy Artificial Intelligence Part B: Subject Specific Skills Unit 6: Understanding Neural Networks Class 12 Level 9

तंत्रिका जाल में छिपी परतों का काम क्या होता है?

What is the role of hidden layers in a neural network?

Explanation opens after your attempt
Correct Answer

A. इनपुट से जटिल प्रतिरूप सीखनाLearning complex patterns from input

Explanation

Simple Explanation

छिपी परतें इनपुट और आउटपुट परतों के बीच स्थित होती हैं। इनके न्यूरॉन भार और सक्रियण फलन की सहायता से इनपुट विशेषताओं को क्रमशः बदलकर उपयोगी तथा जटिल प्रतिरूप सीखते हैं। केवल कच्चा इनपुट ग्रहण करना इनपुट परत का काम है, जबकि अंतिम वर्गीकरण या पूर्वानुमान सामान्यतः आउटपुट परत करती है। परीक्षा-युक्ति: इनपुट परत डेटा लेती है, छिपी परतें विशेषताएँ सीखती हैं और आउटपुट परत परिणाम देती है। / Hidden layers lie between the input and output layers. Using weights and activation functions, their neurons transform input features step by step to learn useful and complex patterns. Only receiving raw input is the role of the input layer, while producing the final classification or prediction is generally the role of the output layer. Exam tip: remember the sequence—input layer receives data, hidden layers learn features, and the output layer gives the result.

Open Question Page
Ask Friends
Question 7/9 Easy Artificial Intelligence Part B: Subject Specific Skills Unit 6: Understanding Neural Networks Class 12 Level 8

पक्षपात मान तंत्रिका जाल में क्या मदद करता है?

What does bias value help with in a neural network?

Explanation opens after your attempt
Correct Answer

A. निर्णय सीमा को समायोजित करने मेंIn adjusting the decision boundary

Explanation

Simple Explanation

पक्षपात मान न्यूरॉन के भारित इनपुट में एक अतिरिक्त पद जोड़ता है। इससे सक्रियण सीमा बदलती है और मॉडल निर्णय सीमा को स्थानांतरित या समायोजित कर सकता है। सक्रियण फलन, भारों का प्रारंभिक मान और अधिगम दर अलग-अलग घटक या हाइपरपैरामीटर हैं। परीक्षा-युक्ति: bias को उस समायोजन के रूप में याद रखें जो सभी इनपुट शून्य होने पर भी न्यूरॉन के आउटपुट को प्रभावित कर सकता है। / A bias value adds an additional term to a neuron's weighted input. This changes the activation threshold, allowing the model to shift or adjust its decision boundary. Choosing the activation function, initializing weights, and setting the learning rate are separate components or hyperparameters. Exam tip: remember bias as an adjustable offset that can affect a neuron's output even when all inputs are zero.

Open Question Page
Ask Friends
Question 8/9 Easy Artificial Intelligence Part B: Subject Specific Skills Unit 6: Understanding Neural Networks Class 12 Level 8

तंत्रिका जाल में भार का सरल अर्थ क्या है?

What is the simple meaning of weight in a neural network?

Explanation opens after your attempt
Correct Answer

A. इनपुट के प्रभाव को नियंत्रित करने वाला मानA value that controls the influence of an input

Explanation

Simple Explanation

तंत्रिका जाल में भार किसी इनपुट के प्रभाव या महत्त्व को नियंत्रित करता है। प्रशिक्षण के दौरान इन भारों के मान बदले जाते हैं, ताकि जाल सही परिणाम देना सीख सके। विकल्प B गलत है, क्योंकि भार इनपुट की संख्या नहीं बताता। परीक्षा में याद रखें: भार इनपुट को गुणांक की तरह प्रभावित करता है। / In a neural network, a weight controls the influence or importance of an input. During training, these weight values are adjusted so that the network can learn to produce better results. Option B is incorrect because a weight does not indicate the number of inputs. Exam tip: remember that a weight acts like a coefficient applied to an input.

Open Question Page
Ask Friends
Question 9/9 Easy Artificial Intelligence Part B: Subject Specific Skills Unit 6: Understanding Neural Networks Class 12 Level 7

तंत्रिका जाल किससे प्रेरित अवधारणा है?

Neural network is a concept inspired by what?

Explanation opens after your attempt
Correct Answer

A. मानव मस्तिष्क में परस्पर जुड़ी तंत्रिका कोशिकाओं की कार्यप्रणालीThe functioning of interconnected nerve cells in the human brain

Explanation

Simple Explanation

तंत्रिका जाल मानव मस्तिष्क की परस्पर जुड़ी तंत्रिका कोशिकाओं (न्यूरॉन्स) से प्रेरित मॉडल है। इसमें कृत्रिम न्यूरॉन आपस में जुड़े होते हैं और उदाहरणों से पैटर्न सीखने के लिए उनके संबंधों के भार बदलते हैं। कंप्यूटर का निर्देश चक्र क्रमिक निर्देशों का निष्पादन है, इसलिए वह तंत्रिका जाल की मूल प्रेरणा नहीं है। परीक्षा टिप: न्यूरल नेटवर्क के लिए ‘न्यूरॉन’, ‘कनेक्शन’ और ‘वेट’ शब्द याद रखें। / A neural network is modelled on interconnected nerve cells (neurons) in the human brain. Its artificial neurons are connected, and the weights of these connections are adjusted to learn patterns from examples. A CPU instruction cycle executes instructions sequentially; it is not the biological inspiration for neural networks. Exam tip: Associate neural networks with neurons, connections, and weights.

Open Question Page
Ask Friends

neural networks Revision Links

All MCQ Tags

Browse concept directory

All Subjects

Subject-wise practice

Search neural networks

More keyword results