Ce navigateur n’est plus pris en charge.
Effectuez une mise à niveau vers Microsoft Edge pour tirer parti des dernières fonctionnalités, des mises à jour de sécurité et du support technique.
Supposons que votre corpus de texte contient 80 000 mots différents. Parmi les affirmations suivantes, laquelle choisiriez-vous pour réduire la dimensionnalité du vecteur d’entrée au classifieur neural ?
Sélectionnez 10 % des mots de façon aléatoire et ignorez le reste.
Utiliser la couche convolutive avant la couche de classifieur entièrement connecté
Utiliser la couche d'embedding avant la couche de classification entièrement connectée
Sélectionner 10 % des mots les plus fréquemment utilisés et ignorer le reste
Nous souhaitons entraîner un réseau neuronal afin de générer de nouveaux mots drôles pour un livre pour enfants. Quelle architecture puis-je utiliser ?
LSTM au niveau du mot
LSTM au niveau du caractère
RNN au niveau du mot
Perceptron au niveau du caractère
Le réseau neuronal récurrent est appelé ainsi pour les raisons suivantes :
Un réseau est appliqué à chaque élément d’entrée, et la sortie de l’application précédente est passée à la suivante
Il est entraîné par un processus récurrent
Il se compose de couches qui incluent d’autres sous-réseaux.
Quelle est l’idée principale de l’architecture réseau LSTM ?
Nombre fixe de blocs LSTM pour l’ensemble du jeu de données
Il contient de nombreuses couches de réseaux neuronaux récurrents
Gestion d’état explicite avec oubli et déclenchement d’état
Quelle est l’idée principale de l’attention ?
L'attention assigne un coefficient de poids à chaque mot du vocabulaire pour montrer son importance.
L’attention est une couche réseau qui utilise la matrice d’attention pour déterminer dans quelle mesure les états d’entrée de chaque étape affectent le résultat final.
L’attention génère une matrice de corrélation globale entre tous les mots du vocabulaire, montrant leur cooccurrence
Vous devez répondre à toutes les questions avant de vérifier votre travail.
Cette page a-t-elle été utile ?
Vous avez besoin d’aide pour cette rubrique ?
Vous souhaitez essayer d’utiliser Ask Learn pour clarifier ou vous guider dans cette rubrique ?