Maswali yanayounganishwa na mwongozo · Ngumu Kiwango

Maswali ya Hotuba ya HuBERT ya Kujisimamia

Angalia jinsi HuBERT huunda shabaha zinazotokana na nguzo za sauti iliyofichwa, hukariri lebo, na kutathmini uwakilishi uliofunzwa kwenye viwango vya usemi.

Njia za mwongozo zinazohusianaHubert Self Inasimamiwa Hotuba
Swali 1 ya 8

Je, HuBERT hutengeneza vipi shabaha inazojaribu kutabiri wakati wa mafunzo?

Hakiki kila swali8 maswali

Majibu na maelezo huonekana unapojibu maswali.

  1. Je, HuBERT hutengeneza vipi shabaha inazojaribu kutabiri wakati wa mafunzo?
    • K-nje ya mtandao ina maana ya kuunganisha vipengele vya sauti katika vitengo vilivyofichwa
    • Nakala za kibinadamu
    • Lebo za kelele za nasibu
    • Utofautishaji dhidi ya sampuli za vipotoshi
  2. Ni muundo gani wa maandishi unaojulikana uliohamasisha mpango wa mafunzo ya utabiri wa barakoa wa HuBERT?
    • GPT-3
    • BERT
    • ResNet
    • Neno2Vec
  3. Je, HuBERT huboresha vipi lebo zinazolengwa kwa marudio ya mafunzo mfululizo?
    • Inaajiri wachambuzi zaidi
    • Inaongeza kelele mbichi zaidi
    • Inakusanya tena kwa kutumia uwakilishi wa ndani ulioboreshwa wa modeli
    • Inafungia nguzo ya kwanza milele
  4. Ni vipengele vipi kawaida huunganishwa katika marudio ya kwanza ya HuBERT?
    • Maneno ya mwisho ya nakala
    • Pikseli za picha
    • Upachikaji wa kitambulisho cha spika
    • Vipengele rahisi vya akustisk vya MFCC
  5. Kwa nini HuBERT inaweza kujifunza muundo muhimu hata wakati nguzo yake si kamilifu?
    • Inahitaji tu kutabiri vitambulisho vya kundi katika nafasi zilizofunikwa, ambayo hudumu kama kazi thabiti
    • Inapuuza makundi kabisa
    • Inatumia nguzo kamili ya chumba cha ndani
    • Inakariri seti ya majaribio
  6. Which pretraining challenge does HuBERT address by using offline cluster labels?
    • Speech has no temporal structure
    • There is no lexicon of sound units available during pretraining
    • Every speaker uses the same pitch
    • Audio contains no repeated patterns
  7. In the HuBERT paper, what relative WER reductions did the 1B-parameter model report on dev-other and test-other?
    • Exactly 50% on both sets
    • No measurable change on either set
    • Up to 19% on dev-other and 13% on test-other
    • Up to 13% on dev-other and 19% on test-other
  8. Which benchmark sets did the original HuBERT paper use for speech-recognition results?
    • ImageNet na COCO
    • GLUE and SuperGLUE
    • SQuAD and TriviaQA
    • LibriSpeech and Libri-light