Лекция 12. Введение в RNN

Multiple Choice

Что делает рекуррентный слой в RNN?

• Передаёт выходы нейронов обратно на вход с задержкой

• Умножает входные данные на случайные веса

• Удаляет предыдущие состояния сети

• Использует только текущий входной сигнал

Multiple Choice

Какой тип архитектуры RNN подходит для генерации описания изображений?

• One to Many

• Many to One

• Many to Many

• One to One

Multiple Choice

Как называется алгоритм обратного распространения ошибки для рекуррентных сетей?

• Forward Propagation

• Backpropagation Through Time (BPTT)

• Gradient Descent

• Real-time Recurrent Learning

Multiple Choice

Какой метод кодирования символов используется для представления входных данных в RNN?

• Label Encoding

• One-Hot Encoding

• Binary Encoding

• Huffman Coding

Multiple Choice

Какой тип архитектуры RNN используется для прогнозирования следующего символа?

• One to One

• Many to One

• One to Many

• Many to Many

Multiple Choice

Какая функция активации обычно используется в рекуррентном слое (SimpleRNN)?

• ReLU

• Sigmoid

• Tanh

• Softmax

Multiple Choice

Какой инструмент используется для разбиения текста на слова в Keras?

• TextSplitter

• Tokenizer

• WordParser

• StringEncoder

Multiple Choice

Как преобразуются входные слова перед подачей в модель?

• В числовые индексы

• В one-hot векторы

• В embedding-векторы

• В нормализованные значения

Multiple Choice

Какова основная причина использования Embedding-слоя вместо one-hot векторов?

• Увеличение точности модели

• Снижение вычислительной сложности алгоритма

• Экономия памяти при обработке больших словарей

• Ускорение времени обучения модели

Multiple Choice

Как изменяется входной тензор X при использовании Embedding-слоя по сравнению с one-hot?

• Заменяется на числовые индексы слов

• Преобразуется в one-hot вектор

• Преобразуется в нормализованные значения

• Становится трехмерным