RNN-Dönüştürücü Modelleri Testi

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

1. RNN Dönüştürücü özellikle CTC'nin hangi sınırlamasını ele alıyor?
   • CTC'nin çıktı-belirteç bağımlılıklarının modellenmesini önleyen koşullu bağımsızlık varsayımı
   • CTC sesi hiçbir şekilde işleyemiyor
   • CTC, GPU'ların çalışmasını gerektirir
   • CTC yalnızca görseller için çalışır
2. Bir RNN Dönüştürücüsünün üç ana bileşeni nedir?
   • Kodlayıcı, kod çözücü ve ayırıcı
   • Kodlayıcı (transkripsiyon ağı), tahmin ağı ve ortak ağ
   • Yalnızca simgeleştirici, yerleştirme ve softmax
   • İki dikkat kafası ve bir yönlendirici
3. Tahmin ağı bir RNN-T'de nasıl bir rol oynuyor?
   • Ses dalga formunu sıkıştırır
   • Mikrofon sesini ölçer
   • Daha önce yayılan belirteçleri koşullandırarak bir dil modeli gibi davranır
   • Örnekleme oranını seçer
4. RNN-T neden düşük gecikmeli akışı bu kadar doğal bir şekilde destekliyor?
   • Herhangi bir şey yaymadan önce tüm ifadeyi aynı anda işler
   • Zaman sırasını tamamen göz ardı eder
   • Yalnızca önceden kaydedilmiş dosyalarda çalışır
   • Hizalaması monoton ve soldan sağa olup ses boyunca boşluklarla ilerlemektedir
5. RNN-T kod çözmede boş jeton yaymak ne işe yarar?
   • Bir sonraki sesli zaman adımına ilerleme
   • Tüm transkripsiyonu sonlandırır
   • Önceki kelimeyi siler
   • Farklı bir dile geçer
6. Modern üretim RNN-T sistemlerinde hangi kodlayıcı türü giderek LSTM'lerin yerini alıyor?
   • Karar ağaçları
   • Uyumlu kodlayıcılar
   • Sade kelime çantası
   • Gizli Markov Modelleri
7. What two histories condition the RNN-T joint network’s output distribution?
   • Only the future transcript and a speaker photo
   • Only the last acoustic frame, without output context
   • The encoder representation of acoustic input and the prediction-network representation of prior output labels
   • The optimizer state and learning rate
8. What alignment behavior does an RNN-T allow before advancing to the next audio frame?
   • It must emit exactly one label for every frame
   • It advances time only after a word-final token
   • It generates all output before reading any audio
   • It can emit zero or more nonblank labels at the current frame, then a blank advances time