Quiz dotyczący sieci stanowych Echo i obliczeń zbiornikowych

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

1. Które ciężary są faktycznie trenowane w sieci Echo State Network?
   • Tylko wagi wyjściowe (odczytowe).
   • Wszystkie powtarzające się ciężary wewnątrz zbiornika
   • Tylko wagi wejściowe
   • Nigdy nie trenuje się żadnych ciężarów
2. Który warunek wyraża właściwość stanu echa dla dwóch przebiegów z tą samą historią danych wejściowych?
   • Their recurrent weights must all be trained by backpropagation
   • Their reservoir states eventually become independent of different initial states
   • Their output weights must have spectral radius exactly one
   • Their hidden states must equal the raw input at every step
3. Dlaczego szkolenie ESN jest znacznie szybsze niż szkolenie standardowego LSTM?
   • Sieci ESN w ogóle nie korzystają z neuronów
   • Sieci ESN działają wyłącznie na komputerach kwantowych
   • Sieci ESN unikają propagacji wstecznej w czasie, rozwiązując jedynie odczyt liniowy
   • Sieci ESN nie wymagają danych wejściowych
4. W jaki sposób promień widmowy jest powszechnie używany podczas dostrajania zbiornika stanu echa?
   • It directly sets the number of readout classes
   • It guarantees fading memory for every recurrent matrix
   • It measures the number of trainable reservoir weights
   • It is a recurrent-feedback scale heuristic for balancing rich dynamics and stability, not a complete guarantee of the echo state property
5. Kto wprowadził maszyny stanu ciekłego, metodę obliczeń zbiornikowych wykorzystującą neurony szczytowe?
   • Wolfganga Maassa
   • Geoffreya Hintona
   • Andrzej Ng
   • Joszua Bengio
6. What does the fixed reservoir compute before the ESN readout produces an output?
   • A normalized probability over all possible weights
   • A high-dimensional dynamic state representation of recent inputs
   • A learned transition table for every future sequence
   • A separate trained policy for each output class
7. What method is commonly used to fit an Echo State Network’s readout weights?
   • Backpropagation through all fixed recurrent weights
   • Dynamic routing by agreement
   • Linear least-squares regression, often with ridge regularization
   • A softmax over reservoir eigenvalues
8. What does the spectral radius of a recurrent weight matrix mean?
   • The sum of all matrix entries
   • The number of nonzero output weights
   • The average magnitude of the input sequence
   • The largest absolute value among its eigenvalues