Kuiz berkaitan panduan · Sederhana Tahap

Kuiz Pemisahan RNN Dwi Laluan

Semak ketulan bertindih DPRNN, pengulangan intra dan antara ketul, pembinaan semula bertindih-tambah dan hasil berskop penanda aras.

Laluan panduan yang berkaitanPemisahan Rnn Dwi Laluan
soalan 1 daripada 8

Apakah masalah yang paling utama diselesaikan oleh Dual-Path RNN?

Pratonton setiap soalan8 soalan

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

  1. Apakah masalah yang paling utama diselesaikan oleh Dual-Path RNN?
    • Memodelkan urutan audio yang sangat panjang yang mengatasi satu RNN
    • Menjana muzik baharu daripada teks
    • Memampatkan fail audio untuk penyimpanan
    • Mengesan bahasa yang dituturkan
  2. Apakah dua 'laluan' dalam RNN Dwi-Path?
    • Pengekod dan penyahkod
    • Intra-chunk (tempatan) dan inter-chunk (global) berulang
    • Main balik audio ke hadapan dan ke belakang
    • Laluan latihan dan inferens
  3. Bagaimanakah urutan ciri panjang disediakan sebelum blok dwi-laluan?
    • Ia ditukar kepada vektor purata tunggal
    • Ia ditukar menjadi token teks
    • Ia dibahagikan kepada ketulan bertindih pendek membentuk grid 2D
    • Ia diturunkan sampel kepada satu sampel
  4. Dalam rangka kerja sedia ada manakah DPRNN digugurkan sebagai pengganti pemisah?
    • Model imej penyebaran
    • Penyahkod pertuturan ke teks sahaja
    • Vokoder berasaskan GAN
    • Rangka kerja pengekod/penyahkod Conv-TasNet
  5. Model kemudian yang manakah mengekalkan struktur dwi-laluan DPRNN tetapi menggantikan RNN dengan Transformers?
    • SepFormer
    • WaveNet
    • BERT
    • Tacotron
  6. Mengapakah pemprosesan dalam ketulan membantu kestabilan latihan?
    • Ia menghilangkan keperluan untuk sebarang fungsi kehilangan
    • Setiap RNN hanya melihat sub-jujukan pendek, mengelakkan rantai sandaran yang sangat panjang
    • Ia menghapuskan semua pembesar suara yang bertindih secara automatik
    • Ia menukar audio kepada imej
  7. How are processed overlapping chunks recombined into the output sequence?
    • By sorting them alphabetically
    • By averaging all chunks into one frame
    • By overlap-add across the chunk positions
    • By converting them into text tokens
  8. On which benchmark did the DPRNN paper report its 20-times-smaller model comparison?
    • MUSDB18
    • ImageNet
    • LibriTTS
    • WSJ0-2mix