Тест за разделяне на RNN с двоен път

Отговорите и обясненията се появяват, докато отговаряте на теста.

1. Какъв проблем основно решава Dual-Path RNN?
   • Моделиране на изключително дълги аудио поредици, които затрупват един RNN
   • Генериране на нова музика от текст
   • Компресиране на аудио файлове за съхранение
   • Откриване на говорения език
2. Кои са двата „пътеки“ в Dual-Path RNN?
   • Енкодер и декодер
   • Вътрешно (локално) и вътрешно (глобално) повторение
   • Възпроизвеждане на аудио напред и назад
   • Пътища за обучение и изводи
3. Как се подготвя дългата последователност от характеристики преди блоковете с двоен път?
   • Преобразува се в единичен среден вектор
   • Превръща се в текстови жетони
   • Той е сегментиран на къси припокриващи се части, образуващи 2D мрежа
   • Той се намалява до една проба
4. В коя съществуваща рамка беше премахнат DPRNN като заместител на разделител?
   • Модел на дифузно изображение
   • Само декодер за говор към текст
   • Базиран на GAN вокодер
   • Рамката за енкодер/декодер Conv-TasNet
5. Кой по-късен модел запази двойната структура на DPRNN, но замени RNN с Transformers?
   • SepFormer
   • WaveNet
   • БЕРТ
   • Такотрон
6. Защо обработката на части помага за стабилността на обучението?
   • Премахва необходимостта от всяка функция за загуба
   • Всеки RNN вижда само кратка подпоследователност, като избягва много дълги вериги на обратна опора
   • Той автоматично елиминира всички припокриващи се високоговорители
   • Преобразува аудио в изображения
7. How are processed overlapping chunks recombined into the output sequence?
   • By sorting them alphabetically
   • By averaging all chunks into one frame
   • By overlap-add across the chunk positions
   • By converting them into text tokens
8. On which benchmark did the DPRNN paper report its 20-times-smaller model comparison?
   • MUSDB18
   • ImageNet
   • LibriTTS
   • WSJ0-2mix