Quiz lié à un guide · Difficile Niveau

Quiz sur les réseaux de capsules

Vérifie les vecteurs de capsule, le routage partie-vers-tout, les informations de pose, les scores d'accord et pourquoi le routage itératif peut être coûteux.

Chemins de guidage associésRéseaux de capsules
Question 1 de 8

Dans un réseau de capsules, que représente la LONGUEUR du vecteur de sortie d'une capsule ?

Prévisualisez chaque question8 des questions

Les réponses et les explications apparaissent au fur et à mesure que vous répondez au quiz.

  1. Dans un réseau de capsules, que représente la LONGUEUR du vecteur de sortie d'une capsule ?
    • La probabilité que l'entité soit présente
    • La couleur de la caractéristique détectée
    • Le taux d'apprentissage pour cette couche
    • Le nombre de neurones dans la capsule
  2. Pour quel problème avec les CNN standards les réseaux de capsules ont-ils été spécialement conçus pour résoudre ?
    • Formation lente sur les GPU
    • Perte des relations spatiales/partie-tout, par ex. accepter des parties du visage en désordre
    • Incapacité de traiter les images couleur
    • Trop peu de paramètres à apprendre
  3. Quel est le nom de l'algorithme qui décide quelles capsules de niveau inférieur se connectent à quelles capsules de niveau supérieur ?
    • Rétropropagation dans le temps
    • Découpage de dégradé
    • Acheminement dynamique par accord
    • Normalisation par lots
  4. Qui a introduit le réseau capsule avec routage dynamique en 2017 ?
    • Yann LeCun et ses collègues
    • Ian Goodfellow et ses collègues
    • Vaswani et ses collègues
    • Sabour, Frosst et Hinton
  5. A quoi sert la fonction 'squash' dans un réseau de capsules ?
    • Pour normaliser la longueur du vecteur entre 0 et 1 tout en gardant sa direction
    • Pour supprimer les capsules inutilisées
    • Pour convertir des images en niveaux de gris
    • Pour augmenter automatiquement la profondeur du réseau
  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