Kuiz berkaitan panduan · Keras Tahap

Kuiz Rangkaian Kapsul

Menyemak vektor kapsul, penghalaan sebahagian kepada keseluruhan, mengemukakan maklumat, skor perjanjian dan sebab penghalaan berulang boleh mahal.

Laluan panduan yang berkaitanRangkaian Kapsul
soalan 1 daripada 8

Dalam rangkaian kapsul, apakah yang diwakili oleh PANJANG vektor keluaran kapsul?

Pratonton setiap soalan8 soalan

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

  1. Dalam rangkaian kapsul, apakah yang diwakili oleh PANJANG vektor keluaran kapsul?
    • Kebarangkalian bahawa entiti itu hadir
    • Warna ciri yang dikesan
    • Kadar pembelajaran untuk lapisan itu
    • Bilangan neuron dalam kapsul
  2. Apakah masalah dengan CNN standard yang direka khusus untuk ditangani oleh rangkaian kapsul?
    • Latihan perlahan tentang GPU
    • Kehilangan perhubungan spatial/sebahagian keseluruhan, cth. menerima bahagian muka yang bercelaru
    • Ketidakupayaan untuk memproses imej berwarna
    • Terlalu sedikit parameter untuk dipelajari
  3. Apakah nama algoritma yang menentukan kapsul peringkat rendah yang disambungkan kepada kapsul peringkat lebih tinggi yang mana?
    • Penyebaran balik melalui masa
    • Keratan kecerunan
    • Penghalaan dinamik mengikut perjanjian
    • Normalisasi kelompok
  4. Siapa yang memperkenalkan rangkaian kapsul dengan penghalaan dinamik pada 2017?
    • Yann LeCun dan rakan sekerja
    • Ian Goodfellow dan rakan sekerja
    • Vaswani dan rakan sekerja
    • Sabour, Frosst, dan Hinton
  5. Apakah tujuan fungsi 'skuasy' dalam rangkaian kapsul?
    • Untuk menormalkan panjang vektor kepada antara 0 dan 1 sambil mengekalkan arahnya
    • Untuk memadam kapsul yang tidak digunakan
    • Untuk menukar imej kepada skala kelabu
    • Untuk meningkatkan kedalaman rangkaian secara automatik
  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