Maswali yanayounganishwa na mwongozo · Kati Kiwango

Maswali ya Visimbaji Kiotomatiki

Hukagua malengo ya uundaji upya, mbanaji fiche, kutoa sauti, vipengele visivyo na mstari na tofauti kati ya visimbaji kiotomatiki vya kawaida na tofauti.

Njia za mwongozo zinazohusianaVisimbaji otomatiki
Swali 1 ya 8

Ni nini madhumuni ya 'kiini cha chupa' (msimbo fiche) katika kusimbua kiotomatiki?

Hakiki kila swali8 maswali

Majibu na maelezo huonekana unapojibu maswali.

  1. Ni nini madhumuni ya 'kiini cha chupa' (msimbo fiche) katika kusimbua kiotomatiki?
    • Kulazimisha mtandao kuwa kiwakilishi fupi ambacho kinanasa muundo muhimu
    • Ili kuongeza vigezo zaidi na kuongeza uwezo wa mfano
    • Kuhifadhi lebo za uainishaji unaosimamiwa
    • Ili kupunguza kasi ya mafunzo kwa utulivu bora
  2. Kwa nini usimbaji kiotomatiki huchukuliwa kuwa wa kujidhibiti?
    • Zinahitaji hifadhidata kubwa zilizo na lebo
    • Lengo la mafunzo ni pembejeo yenyewe, kwa hivyo hakuna lebo za nje zinahitajika
    • Mwanadamu huweka lebo kwa kila ujenzi kwa mkono
    • Wanafanya kazi tu kwenye picha zilizoainishwa mapema
  3. Je, kisimbaji kiotomatiki kinachotoa sauti kinatofautianaje na cha kawaida?
    • Inaondoa avkodare kabisa
    • Inafanya kazi tu na data ya maandishi
    • Imefunzwa kuunda upya ingizo safi kutoka kwa toleo lililoharibika
    • Haihitaji safu ya kizuizi
  4. Ni nini kinachofanya kiencoder cha kiotomatiki (VAE) kuweza kutoa data mpya?
    • Inakariri kila mfano wa mafunzo
    • Haitumii avkodare
    • Inabadilisha mitandao ya neural na miti ya maamuzi
    • Hujifunza nafasi laini, inayowezekana iliyofichika ambayo unaweza sampuli kutoka kwayo
  5. Kisimbaji kiotomatiki cha mstari kilichofunzwa kwa hitilafu ya mraba-mraba inafanana kwa karibu mbinu ipi ya kawaida?
    • Uchambuzi wa sehemu kuu (PCA)
    • K-inamaanisha kuunganisha
    • Miti ya maamuzi
    • Urejeshaji wa vifaa
  6. Kwa nini kusimbua kiotomatiki kunafaa kwa ugunduzi wa hitilafu?
    • Wanaandika makosa wakati wa mafunzo
    • Huunda upya mifumo ya kawaida vizuri lakini huonyesha makosa makubwa kwenye mifumo adimu, isiyoonekana
    • Wanapuuza kosa la uundaji upya kabisa
    • Wanatoa tu uainishaji wa binary
  7. Which reconstruction loss does the guide associate with binary-pixel data?
    • Upotevu wa ukingo wa pembe tatu
    • 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