Тест із подвійним трактом RNN

Відповіді та пояснення з’являються під час виконання тесту.

1. Яку проблему в першу чергу вирішує Dual-Path RNN?
   • Моделювання надзвичайно довгих звукових послідовностей, які переповнюють один RNN
   • Створення нової музики з тексту
   • Стиснення аудіофайлів для зберігання
   • Виявлення мови, якою розмовляють
2. Які два «шляхи» в двоканальній RNN?
   • Кодувальник і декодер
   • Внутрішньоланкова (локальна) і міжланкова (глобальна) повторюваність
   • Відтворення звуку вперед і назад
   • Шляхи навчання та висновків
3. Як готується довга послідовність функцій перед блоками подвійного шляху?
   • Він перетворюється на єдиний середній вектор
   • Він перетворюється на текстові токени
   • Він сегментований на короткі частини, що перекриваються, утворюючи двовимірну сітку
   • Він зменшується до одного зразка
4. У яку існуючу структуру було відкинуто DPRNN як заміну роздільника?
   • Модель дифузійного зображення
   • Лише декодер мовлення в текст
   • Вокодер на основі GAN
   • Платформа кодера/декодера Conv-TasNet
5. Яка пізніша модель зберегла подвійну структуру DPRNN, але замінила RNN на трансформатори?
   • SepFormer
   • WaveNet
   • БЕРТ
   • Такотрон
6. Чому обробка порціями сприяє стабільності навчання?
   • Це усуває потребу в будь-якій функції втрати
   • Кожен RNN бачить лише коротку підпослідовність, уникаючи дуже довгих ланцюжків опорних елементів
   • Він автоматично усуває всі динаміки, що перекриваються
   • Він перетворює звук на зображення
7. How are processed overlapping chunks recombined into the output sequence?
   • By sorting them alphabetically
   • By averaging all chunks into one frame
   • By overlap-add across the chunk positions
   • By converting them into text tokens
8. On which benchmark did the DPRNN paper report its 20-times-smaller model comparison?
   • MUSDB18
   • ImageNet
   • LibriTTS
   • WSJ0-2mix