แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ยาก ระดับ
แบบทดสอบเครือข่ายแคปซูล
ตรวจสอบเวกเตอร์แคปซูล การกำหนดเส้นทางแบบบางส่วนต่อทั้งหมด แสดงข้อมูล คะแนนข้อตกลง และสาเหตุที่การกำหนดเส้นทางแบบวนซ้ำอาจมีค่าใช้จ่ายสูง
คำถาม 1 ของ 8
ในเครือข่ายแคปซูล LENGTH ของเวกเตอร์เอาท์พุตของแคปซูลแสดงถึงอะไร
ดูตัวอย่างทุกคำถาม8 คำถาม
คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ
- ในเครือข่ายแคปซูล LENGTH ของเวกเตอร์เอาท์พุตของแคปซูลแสดงถึงอะไร
- ความน่าจะเป็นที่เอนทิตีมีอยู่
- สีของคุณสมบัติที่ตรวจพบ
- อัตราการเรียนรู้สำหรับเลเยอร์นั้น
- จำนวนเซลล์ประสาทในแคปซูล
- ปัญหาอะไรกับ CNN มาตรฐานคือเครือข่ายแคปซูลที่ออกแบบมาเพื่อแก้ไขโดยเฉพาะ
- การฝึกอบรมช้าบน GPU
- การสูญเสียความสัมพันธ์เชิงพื้นที่/บางส่วน เช่น ยอมรับส่วนใบหน้าที่สับสน
- ไม่สามารถประมวลผลภาพสีได้
- พารามิเตอร์น้อยเกินไปที่จะเรียนรู้
- ชื่อของอัลกอริธึมที่ใช้ตัดสินใจว่าแคปซูลระดับล่างตัวใดเชื่อมต่อกับแคปซูลระดับสูงกว่าตัวใด
- การขยายพันธุ์กลับตามกาลเวลา
- การตัดแบบไล่ระดับสี
- การกำหนดเส้นทางแบบไดนามิกตามข้อตกลง
- การทำให้เป็นมาตรฐานแบบแบตช์
- ใครเป็นผู้แนะนำเครือข่ายแคปซูลพร้อมการกำหนดเส้นทางแบบไดนามิกในปี 2560
- Yann LeCun และเพื่อนร่วมงาน
- เอียน กู๊ดเฟลโลว์ และเพื่อนร่วมงาน
- วาสวานีและคณะ
- ซาเบอร์ ฟรอสสท์ และฮินตัน
- จุดประสงค์ของฟังก์ชัน 'สควอช' ในเครือข่ายแคปซูลคืออะไร?
- เพื่อทำให้ความยาวเวกเตอร์เป็นปกติให้อยู่ระหว่าง 0 ถึง 1 โดยยังคงรักษาทิศทางไว้
- เพื่อลบแคปซูลที่ไม่ได้ใช้
- ในการแปลงภาพให้เป็นโทนสีเทา
- เพื่อเพิ่มความลึกของเครือข่ายโดยอัตโนมัติ
- 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
- 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
- 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