गाइड से जुड़ी प्रश्नोत्तरी · कठिन स्तर

सुपरपोजिशन और पॉलीसिमेंटिसिटी क्विज़

चेक में सुपरपोजिशन, स्पार्सिटी, पॉलीसिमेंटिक न्यूरॉन्स, ओवरलैपिंग दिशाएं और संपीड़ित अभ्यावेदन की ज्यामिति शामिल हैं।

संबंधित मार्गदर्शक पथसुपरपोजिशन और पॉलीसिमेंटिसिटी
प्रश्न 1 का 8

तंत्रिका नेटवर्क में 'सुपरपोज़िशन' से क्या तात्पर्य है?

प्रत्येक प्रश्न का पूर्वावलोकन करें8 प्रश्न

जैसे ही आप प्रश्नोत्तरी लेते हैं उत्तर और स्पष्टीकरण दिखाई देते हैं।

  1. तंत्रिका नेटवर्क में 'सुपरपोज़िशन' से क्या तात्पर्य है?
    • उनकी दिशाओं को ओवरलैप करके न्यूरॉन्स की तुलना में अधिक सुविधाओं का प्रतिनिधित्व करना
    • अनेक मॉडलों को एक दूसरे के ऊपर रखना
    • मॉडल को दो बार चलाना और औसत करना
    • प्रशिक्षण के दौरान इनपुट में शोर जोड़ना
  2. कौन सी स्थिति फीचर हस्तक्षेप के बावजूद सुपरपोजिशन को अच्छी तरह से काम करती है?
    • सुविधाएँ हर समय सघन रूप से सक्रिय रहती हैं
    • सुविधाएँ विरल हैं, इसलिए कुछ ही एक साथ सक्रिय हैं
    • केवल सकारात्मक सक्रियणों का उपयोग करना
    • सुविधाओं की तुलना में अधिक न्यूरॉन्स होना
  3. 'पॉलीसिमेंटिक' न्यूरॉन क्या है?
    • एक न्यूरॉन जो कभी सक्रिय नहीं होता
    • एक न्यूरॉन का उपयोग केवल आउटपुट लेयर में किया जाता है
    • एक न्यूरॉन जो कई असंबद्ध अवधारणाओं पर प्रतिक्रिया करता है
    • एक न्यूरॉन जिसका कोई संबंध नहीं है
  4. 2022 में किस Anthropic पेपर ने इस घटना का नियंत्रित अध्ययन शुरू किया?
    • आपको केवल ध्यान की आवश्यकता है
    • डीप सीएनएन के साथ इमेजनेट वर्गीकरण
    • डीप आरएल के साथ अटारी बजाना
    • सुपरपोज़िशन के खिलौना मॉडल
  5. यदि एक परत को अपने आयामों से अधिक सुविधाओं को संग्रहीत करना होगा, तो ज्यामितीय रूप से क्या अपरिहार्य है?
    • कुछ सुविधाओं में ओवरलैपिंग, गैर-ऑर्थोगोनल दिशाएं साझा होनी चाहिए
    • सभी सुविधाएँ पूरी तरह से ऑर्थोगोनल रह सकती हैं
    • नेटवर्क क्रैश होना चाहिए
    • सभी विशेषताएँ एक समान हो जाती हैं
  6. सुपरपोज़िशन व्याख्यात्मकता को कठिन क्यों बना देता है?
    • यह मॉडल को चलाने में धीमा बनाता है
    • एकल न्यूरॉन्स अब एकल अवधारणाओं को स्पष्ट रूप से मैप नहीं करते हैं
    • यह मॉडल से सभी सुविधाएं हटा देता है
    • यह केवल इनपुट परत को प्रभावित करता है
  7. Why does sparse feature activity reduce interference when more features than dimensions are represented?
    • Sparse activity makes all feature directions orthogonal
    • It increases the number of neurons automatically
    • Fewer features are active at the same time, so overlapping directions collide less often
    • It removes the need for nonlinear computation
  8. What does an antipodal pair of feature directions look like geometrically?
    • Two vectors at a right angle in separate dimensions
    • Two vectors with identical directions and magnitudes
    • A vector with no coordinates
    • Two directions that point opposite ways along the same line