Cuestionario vinculado a una guía · duro Nivel

Prueba de redes cápsula

Comprueba los vectores de cápsula, el enrutamiento de parte a todo, la información de pose, las puntuaciones de acuerdo y por qué el enrutamiento iterativo puede ser costoso.

Rutas de guía relacionadasRedes cápsula
Pregunta 1 de 8

En una red de cápsulas, ¿qué representa la LONGITUD del vector de salida de una cápsula?

Vista previa de cada pregunta8 preguntas

Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.

  1. En una red de cápsulas, ¿qué representa la LONGITUD del vector de salida de una cápsula?
    • La probabilidad de que la entidad esté presente.
    • El color de la característica detectada.
    • La tasa de aprendizaje para esa capa.
    • El número de neuronas en la cápsula.
  2. ¿Para qué problema con las CNN estándar se diseñaron específicamente las redes cápsula?
    • Entrenamiento lento en GPU
    • Pérdida de relaciones espaciales/parte-todo, p.e. aceptar partes de la cara mezcladas
    • Incapacidad para procesar imágenes en color.
    • Muy pocos parámetros para aprender
  3. ¿Cómo se llama el algoritmo que decide qué cápsulas de nivel inferior se conectan a qué cápsulas de nivel superior?
    • Propagación hacia atrás a través del tiempo
    • Recorte de degradado
    • Enrutamiento dinámico por acuerdo
    • Normalización por lotes
  4. ¿Quién introdujo la red cápsula con enrutamiento dinámico en 2017?
    • Yann LeCun y colegas
    • Ian Goodfellow y colegas
    • Vaswani y colegas
    • Sabour, Frost y Hinton
  5. ¿Cuál es el propósito de la función 'aplastar' en una red de cápsulas?
    • Para normalizar la longitud del vector entre 0 y 1 manteniendo su dirección
    • Para eliminar las cápsulas no utilizadas
    • Para convertir imágenes a escala de grises
    • Para aumentar la profundidad de la red automáticamente
  6. Which result did the original 2017 CapsNet paper report as evidence for routing-by-agreement?
    • Lower memory use than every CNN on ImageNet
    • Better recognition of highly overlapping digits than a convolutional net
    • No need for a training objective
    • Perfect performance on all affine transformations
  7. In the original capsule representation, what information is carried by the direction of a capsule’s output vector?
    • The probability that the entity is absent
    • The number of routing iterations
    • Instantiation or pose parameters of the represented entity
    • The loss assigned to the previous layer
  8. In routing-by-agreement, what makes a lower capsule’s prediction agree with a higher-level capsule?
    • Their capsule names begin with the same letter
    • Their vector lengths are exactly zero
    • They occur in the same image crop
    • Their predicted and output vectors have a large scalar product