NEW
Font size
WorksheetsQCM sur l'architecture des LSTM
Total questions: 10
Worksheet time: 5mins
Quelle est la fonction principale des LSTM dans les réseaux de neurones ?
Optimiser les poids des couches denses
Capturer les dépendances temporelles à long terme
Réduire la complexité du réseau
Supprimer les gradients explosifs
Quelle porte dans un LSTM contrôle l'information à conserver dans l'état mémoire ?
Porte d'entrée (Input Gate)
Porte de sortie (Output Gate)
Porte d'oubli (Forget Gate)
Porte de transfert (Transfer Gate)
Quelle est la principale différence entre LSTM et GRU (Gated Recurrent Units) ?
Les GRU n'ont pas de porte d'entrée
Les LSTM utilisent plus de portes que les GRU
Les GRU ne peuvent pas gérer les dépendances à court terme
Les LSTM sont moins efficaces en calcul
Que signifie "Bidirectional LSTM" ?
Un LSTM qui traite les données dans deux directions : passé et futur
Un LSTM avec deux états mémoire indépendants
Un LSTM qui combine deux couches cachées
Un LSTM utilisant une fonction sigmoïde bidirectionnelle
Dans une architecture "Stacked LSTM", que signifie "stacked" ?
Plusieurs couches LSTM empilées pour plus de complexité
Un réseau LSTM bidirectionnel
Une connexion directe entre les portes d'entrée et d'oubli
Une réduction de la taille des états cachés
Quelle variante de LSTM inclut des connexions entre les portes et l'état mémoire via des entrées supplémentaires ?
Peephole LSTM
Stacked LSTM
GRU
Bidirectional LSTM
Quel est l'avantage principal des GRU par rapport aux LSTM classiques ?
Ils sont plus simples et plus rapides à entraîner
Ils capturent mieux les dépendances à long terme
Ils sont meilleurs pour les problèmes d'image
Ils utilisent plus de mémoire pour plus de précision
Quel est le rôle de la porte de sortie (Output Gate) dans un LSTM ?
Décider quelles informations ajouter à l'état mémoire
Contrôler la sortie finale du réseau
Oublier les informations inutiles
Filtrer les gradients
Dans les réseaux Bidirectional LSTM, comment les sorties des deux directions sont-elles combinées ?
Moyenne des deux
Concatenation des sorties des deux directions
Seulement la sortie de la direction avant est utilisée
Une fonction sigmoïde applique un filtre aux deux
Pourquoi utiliser une architecture Stacked LSTM ?
Pour mieux capturer des relations complexes et hiérarchiques
Pour réduire le nombre de paramètres
Pour se passer des états cachés
Pour remplacer les GRU dans les tâches de vision par ordinateur
