গাইড লিঙ্ক ক্যুইজ · মাঝারি স্তর

অটোএনকোডার কুইজ

পুনর্গঠন লক্ষ্য, সুপ্ত কম্প্রেশন, ডিনোইসিং, অরৈখিক বৈশিষ্ট্য এবং স্ট্যান্ডার্ড এবং পরিবর্তনশীল অটোএনকোডারের মধ্যে পার্থক্য পরীক্ষা করে।

সম্পর্কিত গাইড পাথঅটোএনকোডার
প্রশ্ন 1 এর 8

একটি অটোএনকোডারে 'বাটলনেক' (সুপ্ত কোড) এর উদ্দেশ্য কী?

প্রতিটি প্রশ্নের পূর্বরূপ দেখুন8 প্রশ্ন

আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।

  1. একটি অটোএনকোডারে 'বাটলনেক' (সুপ্ত কোড) এর উদ্দেশ্য কী?
    • একটি কম্প্যাক্ট উপস্থাপনা যে অপরিহার্য কাঠামো ক্যাপচার নেটওয়ার্ক জোর করে
    • আরো পরামিতি যোগ এবং মডেল ক্ষমতা বৃদ্ধি
    • তত্ত্বাবধানে শ্রেণীবিভাগের জন্য লেবেল সংরক্ষণ করতে
    • ভাল স্থিতিশীলতার জন্য প্রশিক্ষণের গতি কমাতে
  2. কেন অটোএনকোডারদের স্ব-তত্ত্বাবধানে বিবেচনা করা হয়?
    • তাদের বিশাল লেবেলযুক্ত ডেটাসেট প্রয়োজন
    • প্রশিক্ষণের লক্ষ্য হল ইনপুট নিজেই, তাই কোন বাহ্যিক লেবেলের প্রয়োজন নেই
    • একজন মানুষ প্রতিটি পুনর্গঠনকে হাত দিয়ে লেবেল করে
    • তারা শুধুমাত্র প্রাক-শ্রেণীবদ্ধ ইমেজ কাজ
  3. কিভাবে একটি denoising অটোএনকোডার একটি আদর্শ এক থেকে পৃথক?
    • এটি ডিকোডারকে সম্পূর্ণরূপে সরিয়ে দেয়
    • এটি শুধুমাত্র টেক্সট ডেটা দিয়ে কাজ করে
    • এটি একটি দূষিত সংস্করণ থেকে একটি পরিষ্কার ইনপুট পুনর্গঠন প্রশিক্ষিত হয়
    • এটি কোন বাধা স্তর প্রয়োজন
  4. কি একটি পরিবর্তনশীল অটোএনকোডার (VAE) নতুন ডেটা তৈরি করতে সক্ষম করে?
    • এটা প্রতিটি প্রশিক্ষণ উদাহরণ মুখস্থ
    • এটি কোন ডিকোডার ব্যবহার করে না
    • এটি সিদ্ধান্ত গাছ দিয়ে নিউরাল নেটওয়ার্ক প্রতিস্থাপন করে
    • এটি একটি মসৃণ, সম্ভাব্য সুপ্ত স্থান শিখে যা থেকে আপনি নমুনা নিতে পারেন
  5. গড়-বর্গীয় ত্রুটি সহ প্রশিক্ষিত একটি রৈখিক অটোএনকোডার কোন ক্লাসিক কৌশলের সাথে সাদৃশ্যপূর্ণ?
    • প্রধান উপাদান বিশ্লেষণ (PCA)
    • K- মানে ক্লাস্টারিং
    • সিদ্ধান্ত গাছ
    • লজিস্টিক রিগ্রেশন
  6. কেন অটোএনকোডারগুলি অসঙ্গতি সনাক্তকরণের জন্য উপযুক্ত?
    • তারা প্রশিক্ষণের সময় অসঙ্গতি লেবেল করে
    • তারা সাধারণ নিদর্শনগুলি ভালভাবে পুনর্গঠন করে কিন্তু বিরল, অদেখা নিদর্শনগুলিতে বড় ত্রুটি দেখায়
    • তারা পুনর্গঠনের ত্রুটি সম্পূর্ণরূপে উপেক্ষা করে
    • তারা শুধুমাত্র বাইনারি শ্রেণীবিভাগ আউটপুট
  7. Which reconstruction loss does the guide associate with binary-pixel data?
    • ট্রিপলেট মার্জিন ক্ষতি
    • Temporal-difference error
    • Cross-entropy
    • Cosine annealing loss
  8. Why can nonlinear activations make an autoencoder more expressive than a linear one?
    • They force the latent code to equal the input size
    • They remove the decoder from the model
    • They guarantee zero reconstruction error on unseen data
    • They allow it to learn nonlinear or curved structures in the data