Kuis terkait panduan · Keras Tingkat

Kuis Jaringan Kapsul

Memeriksa vektor kapsul, perutean bagian-ke-keseluruhan, informasi pose, skor perjanjian, dan mengapa perutean berulang dapat memakan biaya yang besar.

Jalur panduan terkaitJaringan Kapsul
Pertanyaan 1 dari 8

Dalam jaringan kapsul, apa yang diwakili oleh PANJANG vektor keluaran kapsul?

Pratinjau setiap pertanyaan8 pertanyaan

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

  1. Dalam jaringan kapsul, apa yang diwakili oleh PANJANG vektor keluaran kapsul?
    • Probabilitas bahwa entitas tersebut hadir
    • Warna fitur yang terdeteksi
    • Kecepatan pembelajaran untuk lapisan itu
    • Jumlah neuron dalam kapsul
  2. Masalah apa dengan CNN standar yang dirancang khusus untuk diatasi oleh jaringan kapsul?
    • Pelatihan lambat pada GPU
    • Hilangnya hubungan spasial/keseluruhan, mis. menerima bagian wajah yang campur aduk
    • Ketidakmampuan untuk memproses gambar berwarna
    • Terlalu sedikit parameter untuk dipelajari
  3. Apa nama algoritma yang memutuskan kapsul tingkat rendah mana yang terhubung ke kapsul tingkat tinggi mana?
    • Propagasi mundur melalui waktu
    • Kliping gradien
    • Perutean dinamis berdasarkan perjanjian
    • Normalisasi batch
  4. Siapa yang memperkenalkan jaringan kapsul dengan perutean dinamis pada tahun 2017?
    • Yann LeCun dan rekannya
    • Ian Goodfellow dan rekannya
    • Vaswani dan rekannya
    • Sabour, Frost, dan Hinton
  5. Apa tujuan dari fungsi 'squash' dalam jaringan kapsul?
    • Untuk menormalkan panjang vektor antara 0 dan 1 dengan tetap menjaga arahnya
    • Untuk menghapus kapsul yang tidak terpakai
    • Untuk mengonversi gambar menjadi skala abu-abu
    • Untuk meningkatkan kedalaman jaringan secara otomatis
  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