ইকো স্টেট নেটওয়ার্ক এবং জলাধার কম্পিউটিং কুইজ

আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।

1. একটি ইকো স্টেট নেটওয়ার্কে, কোন ওজন আসলে প্রশিক্ষিত হয়?
   • শুধুমাত্র আউটপুট (রিডআউট) ওজন
   • জলাধারের ভিতরে সমস্ত পুনরাবৃত্ত ওজন
   • শুধুমাত্র ইনপুট ওজন
   • কোন ওজন কখনও প্রশিক্ষিত হয়
2. Which condition expresses the echo state property for two runs with the same input history?
   • Their recurrent weights must all be trained by backpropagation
   • Their reservoir states eventually become independent of different initial states
   • Their output weights must have spectral radius exactly one
   • Their hidden states must equal the raw input at every step
3. কেন একটি ESN প্রশিক্ষণ একটি আদর্শ LSTM প্রশিক্ষণের চেয়ে অনেক দ্রুত?
   • ইএসএনগুলি কোনও নিউরন ব্যবহার করে না
   • ESN শুধুমাত্র কোয়ান্টাম কম্পিউটারে চলে
   • ESNগুলি শুধুমাত্র একটি লিনিয়ার রিডআউট সমাধান করে ব্যাকপ্রোপগেশন-থ্রু-টাইম এড়ায়
   • ESN-এর কোনো ইনপুট ডেটার প্রয়োজন নেই
4. How is spectral radius commonly used when tuning an echo-state reservoir?
   • It directly sets the number of readout classes
   • It guarantees fading memory for every recurrent matrix
   • It measures the number of trainable reservoir weights
   • It is a recurrent-feedback scale heuristic for balancing rich dynamics and stability, not a complete guarantee of the echo state property
5. লিকুইড স্টেট মেশিন, জলাধার কম্পিউটিংয়ের একটি স্পাইকিং-নিউরন ফর্ম, কার দ্বারা প্রবর্তিত হয়েছিল?
   • উলফগ্যাং ম্যাস
   • জিওফ্রে হিন্টন
   • অ্যান্ড্রু এনজি
   • ইয়োশুয়া বেঙ্গিও
6. What does the fixed reservoir compute before the ESN readout produces an output?
   • A normalized probability over all possible weights
   • A high-dimensional dynamic state representation of recent inputs
   • A learned transition table for every future sequence
   • A separate trained policy for each output class
7. What method is commonly used to fit an Echo State Network’s readout weights?
   • Backpropagation through all fixed recurrent weights
   • Dynamic routing by agreement
   • Linear least-squares regression, often with ridge regularization
   • A softmax over reservoir eigenvalues
8. What does the spectral radius of a recurrent weight matrix mean?
   • The sum of all matrix entries
   • The number of nonzero output weights
   • The average magnitude of the input sequence
   • The largest absolute value among its eigenvalues