引導式測驗 · 中等 等級
自動編碼器測驗
檢查重建目標、潛在壓縮、去噪、非線性特徵以及標準自動編碼器和變分自動編碼器之間的差異。
問題 1 的 8
自動編碼器中的「瓶頸」(潛在代碼)的目的是什麼?
預覽每個問題8 問題
當您參加測驗時,就會出現答案和解釋。
- 自動編碼器中的「瓶頸」(潛在代碼)的目的是什麼?
- 迫使網路採用緊湊的表示形式來捕捉基本結構
- 增加更多參數並增加模型容量
- 儲存用於監督分類的標籤
- 放慢訓練以獲得更好的穩定性
- 為什麼自動編碼器被認為是自我監督的?
- 他們需要巨大的標記數據集
- 訓練目標是輸入本身,因此不需要外部標籤
- 人類手工標記每個重建
- 他們只適用於預先分類的圖像
- 去噪自動編碼器與標準自動編碼器有何不同?
- 它完全刪除了解碼器
- 它僅適用於文字數據
- 它經過訓練可以從損壞的版本中重建乾淨的輸入
- 它不需要瓶頸層
- 是什麼讓變分自動編碼器 (VAE) 能夠產生新資料?
- 它記住每個訓練範例
- 它不使用解碼器
- 它用決策樹取代神經網絡
- 它學習一個平滑的、機率性的潛在空間,您可以從中取樣
- 以均方誤差訓練的線性自動編碼器與哪種經典技術非常相似?
- 主成分分析(PCA)
- K-均值聚類
- 決策樹
- 邏輯迴歸
- 為什麼自動編碼器非常適合異常檢測?
- 他們在訓練期間標記異常情況
- 它們可以很好地重建常見的模式,但在罕見的、看不見的模式上表現出很大的錯誤
- 他們完全忽略重建錯誤
- 他們只輸出二元分類
- 指南將哪一種重建損失與二進位像素資料相關聯?
- 三重保證金損失
- 時間差誤差
- 交叉熵
- 餘弦退火損失
- 為什麼非線性激活函數能使自編碼器比線性模型更具表達力?
- 它們強迫潛在碼等於輸入尺寸
- 它們將解碼器從模型中移除
- 它們保證在未見資料上重建誤差為零
- 它們允許模型學習資料中的非線性或曲線結構