Bài kiểm tra có liên kết hướng dẫn · Cứng Cấp độ

Bài kiểm tra về mạng lưới trạng thái Echo và máy tính hồ chứa

Kiểm tra động lực học của hồ chứa cố định, các chỉ số được đào tạo, bộ nhớ mờ dần, bán kính quang phổ và các tính toán đằng sau các dự đoán về hồ chứa.

Đường dẫn hướng dẫn liên quanMạng lưới trạng thái Echo và máy tính hồ chứa
Câu hỏi 1 của 8

Trong Mạng trạng thái Echo, trọng số nào thực sự được đào tạo?

Xem trước mọi câu hỏi8 câu hỏi

Câu trả lời và giải thích xuất hiện khi bạn làm bài kiểm tra.

  1. Trong Mạng trạng thái Echo, trọng số nào thực sự được đào tạo?
    • Chỉ trọng số đầu ra (đọc)
    • Tất cả trọng lượng định kỳ bên trong hồ chứa
    • Chỉ có trọng số đầu vào
    • Không có trọng lượng nào được đào tạo
  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. Tại sao đào tạo ESN nhanh hơn nhiều so với đào tạo LSTM tiêu chuẩn?
    • ESN hoàn toàn không sử dụng tế bào thần kinh
    • ESN chỉ chạy trên máy tính lượng tử
    • ESN tránh lan truyền ngược theo thời gian bằng cách chỉ giải quyết vấn đề đọc tuyến tính
    • ESN không yêu cầu dữ liệu đầu vào
  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. Liquid State Machines, một dạng điện toán hồ chứa nơ-ron thần kinh, được ai giới thiệu?
    • Maass Wolfgang
    • 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