Cuestionario vinculado a una guía · duro Nivel

Cuestionario sobre computación de yacimientos y redes estatales de eco

Comprueba la dinámica fija del yacimiento, las lecturas entrenadas, la memoria de desvanecimiento, el radio espectral y los cálculos detrás de las predicciones del yacimiento.

Rutas de guía relacionadasRedes estatales de eco y computación de yacimientos
Pregunta 1 de 8

En una Echo State Network, ¿qué pesas se entrenan realmente?

Vista previa de cada pregunta8 preguntas

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

  1. En una Echo State Network, ¿qué pesas se entrenan realmente?
    • Sólo los pesos de salida (lectura)
    • Todos los pesos recurrentes dentro del depósito.
    • Sólo los pesos de entrada
    • Nunca se entrenan pesas
  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. ¿Por qué entrenar un ESN es mucho más rápido que entrenar un LSTM estándar?
    • Los ESN no utilizan ninguna neurona
    • Los ESN solo se ejecutan en computadoras cuánticas
    • Los ESN evitan la propagación hacia atrás en el tiempo al resolver solo una lectura lineal
    • Los ESN no requieren datos de entrada
  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. ¿Quién introdujo las máquinas de estado líquido, una forma de computación de reservorios con neuronas activas?
    • Wolfgang Maass
    • Geoffrey Hinton
    • Andrés Ng
    • Yoshua Bengio
  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