오토인코더 퀴즈

퀴즈를 풀면 정답과 설명이 나타납니다.

1. 오토인코더에서 '병목 현상'(잠재 코드)의 목적은 무엇입니까?
   • 네트워크를 필수 구조를 포착하는 간결한 표현으로 강제하기 위해
   • 더 많은 매개변수를 추가하고 모델 용량을 늘리려면
   • 감독 분류를 위한 레이블을 저장하려면
   • 더 나은 안정성을 위해 훈련 속도를 늦추려면
2. 자동 인코더가 자체 감독되는 것으로 간주되는 이유는 무엇입니까?
   • 대규모의 레이블이 지정된 데이터 세트가 필요합니다.
   • 훈련 목표는 입력 자체이므로 외부 레이블이 필요하지 않습니다.
   • 인간이 각 재구성에 손으로 라벨을 붙입니다.
   • 사전 분류된 이미지에서만 작동합니다.
3. 잡음 제거 자동 인코더는 표준 자동 인코더와 어떻게 다릅니까?
   • 디코더를 완전히 제거합니다.
   • 텍스트 데이터에서만 작동합니다.
   • 손상된 버전에서 깨끗한 입력을 재구성하도록 훈련되었습니다.
   • 병목 현상 레이어가 필요하지 않습니다.
4. VAE(변형 자동 인코더)가 새로운 데이터를 생성할 수 있는 이유는 무엇입니까?
   • 모든 훈련 예시를 기억합니다.
   • 디코더를 사용하지 않습니다.
   • 신경망을 의사결정 트리로 대체합니다.
   • 샘플링할 수 있는 매끄럽고 확률적인 잠재 공간을 학습합니다.
5. 평균 제곱 오차로 훈련된 선형 오토인코더는 어떤 고전적인 기술과 매우 유사합니까?
   • 주성분 분석(PCA)
   • K-평균 클러스터링
   • 의사결정 트리
   • 로지스틱 회귀
6. 오토인코더가 이상 탐지에 적합한 이유는 무엇입니까?
   • 훈련 중에 이상 징후를 표시합니다.
   • 일반적인 패턴을 잘 재구성하지만 드물고 보이지 않는 패턴에서는 큰 오류를 보여줍니다.
   • 재구성 오류를 완전히 무시합니다.
   • 이진 분류만 출력합니다.
7. Which reconstruction loss does the guide associate with binary-pixel data?
   • 삼중 마진 손실
   • Temporal-difference error
   • Cross-entropy
   • Cosine annealing loss
8. Why can nonlinear activations make an autoencoder more expressive than a linear one?
   • They force the latent code to equal the input size
   • They remove the decoder from the model
   • They guarantee zero reconstruction error on unseen data
   • They allow it to learn nonlinear or curved structures in the data