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。

相關引導路徑自動編碼器
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。

  1. 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
  2. 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
  3. 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
  4. 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
  5. 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
  6. 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
  7. 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
  8. 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