แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ยาก ระดับ

แบบทดสอบเครือข่ายแคปซูล

ตรวจสอบเวกเตอร์แคปซูล การกำหนดเส้นทางแบบบางส่วนต่อทั้งหมด แสดงข้อมูล คะแนนข้อตกลง และสาเหตุที่การกำหนดเส้นทางแบบวนซ้ำอาจมีค่าใช้จ่ายสูง

เส้นทางแนะนำที่เกี่ยวข้องแคปซูล เน็ตเวิร์คส์
คำถาม 1 ของ 8

ในเครือข่ายแคปซูล LENGTH ของเวกเตอร์เอาท์พุตของแคปซูลแสดงถึงอะไร

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. ในเครือข่ายแคปซูล LENGTH ของเวกเตอร์เอาท์พุตของแคปซูลแสดงถึงอะไร
    • ความน่าจะเป็นที่เอนทิตีมีอยู่
    • สีของคุณสมบัติที่ตรวจพบ
    • อัตราการเรียนรู้สำหรับเลเยอร์นั้น
    • จำนวนเซลล์ประสาทในแคปซูล
  2. ปัญหาอะไรกับ CNN มาตรฐานคือเครือข่ายแคปซูลที่ออกแบบมาเพื่อแก้ไขโดยเฉพาะ
    • การฝึกอบรมช้าบน GPU
    • การสูญเสียความสัมพันธ์เชิงพื้นที่/บางส่วน เช่น ยอมรับส่วนใบหน้าที่สับสน
    • ไม่สามารถประมวลผลภาพสีได้
    • พารามิเตอร์น้อยเกินไปที่จะเรียนรู้
  3. ชื่อของอัลกอริธึมที่ใช้ตัดสินใจว่าแคปซูลระดับล่างตัวใดเชื่อมต่อกับแคปซูลระดับสูงกว่าตัวใด
    • การขยายพันธุ์กลับตามกาลเวลา
    • การตัดแบบไล่ระดับสี
    • การกำหนดเส้นทางแบบไดนามิกตามข้อตกลง
    • การทำให้เป็นมาตรฐานแบบแบตช์
  4. ใครเป็นผู้แนะนำเครือข่ายแคปซูลพร้อมการกำหนดเส้นทางแบบไดนามิกในปี 2560
    • Yann LeCun และเพื่อนร่วมงาน
    • เอียน กู๊ดเฟลโลว์ และเพื่อนร่วมงาน
    • วาสวานีและคณะ
    • ซาเบอร์ ฟรอสสท์ และฮินตัน
  5. จุดประสงค์ของฟังก์ชัน 'สควอช' ในเครือข่ายแคปซูลคืออะไร?
    • เพื่อทำให้ความยาวเวกเตอร์เป็นปกติให้อยู่ระหว่าง 0 ถึง 1 โดยยังคงรักษาทิศทางไว้
    • เพื่อลบแคปซูลที่ไม่ได้ใช้
    • ในการแปลงภาพให้เป็นโทนสีเทา
    • เพื่อเพิ่มความลึกของเครือข่ายโดยอัตโนมัติ
  6. 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
  7. 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
  8. 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