Rehber bağlantılı sınav · Sert Seviye

Echo State Ağları ve Rezervuar Hesaplama Sınavı

Sabit rezervuar dinamiklerini, eğitimli okumaları, sönümlenen hafızayı, spektral yarıçapı ve rezervuar tahminlerinin arkasındaki hesaplamaları kontrol eder.

İlgili kılavuz yollarıEcho State Ağları ve Rezervuar Hesaplaması
Soru 1 arasında 8

Bir Echo State Ağında gerçekte hangi ağırlıklar eğitilir?

Her soruyu önizleyin8 sorular

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

  1. Bir Echo State Ağında gerçekte hangi ağırlıklar eğitilir?
    • Yalnızca çıktı (okuma) ağırlıkları
    • Rezervuar içindeki tüm tekrarlanan ağırlıklar
    • Yalnızca giriş ağırlıkları
    • Hiç ağırlık çalışılmıyor
  2. Which condition expresses the echo state property for two runs with the same input history?
    • Their recurrent weights must all be trained by backpropagation
    • Their reservoir states eventually become independent of different initial states
    • Their output weights must have spectral radius exactly one
    • Their hidden states must equal the raw input at every step
  3. Bir ESN'yi eğitmek neden standart bir LSTM'yi eğitmekten çok daha hızlıdır?
    • ESN'ler hiç nöron kullanmaz
    • ESN'ler yalnızca kuantum bilgisayarlarda çalışır
    • ESN'ler yalnızca doğrusal bir okuma çözerek zaman içinde geriye yayılmayı önler
    • ESN'ler giriş verisi gerektirmez
  4. How is spectral radius commonly used when tuning an echo-state reservoir?
    • It directly sets the number of readout classes
    • It guarantees fading memory for every recurrent matrix
    • It measures the number of trainable reservoir weights
    • It is a recurrent-feedback scale heuristic for balancing rich dynamics and stability, not a complete guarantee of the echo state property
  5. Rezervuar hesaplamanın yükselen nöron biçimi olan Sıvı Durum Makineleri kim tarafından tanıtıldı?
    • Wolfgang Maass
    • Geoffrey Hinton
    • Andrew Ng
    • Yoshua Bengio
  6. What does the fixed reservoir compute before the ESN readout produces an output?
    • A normalized probability over all possible weights
    • A high-dimensional dynamic state representation of recent inputs
    • A learned transition table for every future sequence
    • A separate trained policy for each output class
  7. What method is commonly used to fit an Echo State Network’s readout weights?
    • Backpropagation through all fixed recurrent weights
    • Dynamic routing by agreement
    • Linear least-squares regression, often with ridge regularization
    • A softmax over reservoir eigenvalues
  8. What does the spectral radius of a recurrent weight matrix mean?
    • The sum of all matrix entries
    • The number of nonzero output weights
    • The average magnitude of the input sequence
    • The largest absolute value among its eigenvalues