Rehber bağlantılı sınav · Sert Seviye

Kapsül Ağları Testi

Kapsül vektörlerini, parçadan bütüne yönlendirmeyi, poz bilgilerini, anlaşma puanlarını ve yinelemeli yönlendirmenin neden maliyetli olabileceğini kontrol eder.

İlgili kılavuz yollarıKapsül Ağları
Soru 1 arasında 8

Bir kapsül ağında, bir kapsülün çıkış vektörünün UZUNLUĞU neyi temsil eder?

Her soruyu önizleyin8 sorular

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

  1. Bir kapsül ağında, bir kapsülün çıkış vektörünün UZUNLUĞU neyi temsil eder?
    • Varlığın mevcut olma olasılığı
    • Algılanan özelliğin rengi
    • Bu katmanın öğrenme oranı
    • Kapsüldeki nöron sayısı
  2. Kapsül ağlar standart CNN'lerle ilgili hangi sorunu çözmek için özel olarak tasarlandı?
    • GPU'larda yavaş eğitim
    • Mekansal/parça-bütün ilişkilerinin kaybı, ör. karışık yüz parçalarını kabul etmek
    • Renkli görüntüleri işleyememe
    • Öğrenilecek parametre sayısı çok az
  3. Hangi alt seviye kapsüllerin hangi üst seviye kapsüllere bağlanacağına karar veren algoritmanın adı nedir?
    • Zaman içinde geriye yayılım
    • Degrade kırpma
    • Anlaşmaya göre dinamik yönlendirme
    • Toplu normalleştirme
  4. 2017'de dinamik yönlendirmeli kapsül ağını kim tanıttı?
    • Yann LeCun ve meslektaşları
    • Ian Goodfellow ve meslektaşları
    • Vaswani ve meslektaşları
    • Sabour, Frostt ve Hinton
  5. Kapsül ağındaki 'squash' fonksiyonunun amacı nedir?
    • Yönünü koruyarak vektör uzunluğunu 0 ile 1 arasında normalleştirmek
    • Kullanılmayan kapsülleri silmek için
    • Görüntüleri gri tonlamaya dönüştürmek için
    • Ağın derinliğini otomatik olarak artırmak için
  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