已不再支援此瀏覽器。
請升級至 Microsoft Edge，以利用最新功能、安全性更新和技術支援。
假設您的文字語料庫包含 80,000 個不同的單字。 您將完成以下哪一項，將輸入向量的維度降低為神經分類器？
隨機選取 10% 的單字，並忽略其餘部分。
在完全連線分類器層之前使用卷積層
在全連接分類器層之前使用嵌入層
選取 10% 最常用的字組，其餘忽略
我們想要將神經網路定型，來為童書產生新的有趣單字。 我們可以使用何種架構？
字組層級 LSTM
字元層級 LSTM
字組層級 RNN
字元層級感知器
遞歸神經網路之所以稱為遞歸，是因為：
系統會針對每個輸入元素套用網路，且會將上一個應用程式的輸出傳遞給下一個應用程式
它是透過反覆過程訓練的
由好幾層組成，每層又包含其他子網路
LSTM 網路架構背後的主要概念為何？
整個資料集的 LSTM 區塊數目固定
包含許多層的遞歸神經網路
使用遺忘與狀態觸發來明確管理狀態
注意力的主要概念為何？
注意力為詞彙表中的每個單詞分配一個權重係數，以顯示它的重要性
注意力是一種網路層，使用注意力矩陣來檢查每個步驟有多少個輸入狀態會影響最終結果。
注意力在詞彙表中的所有單詞之間構建全局相關矩陣，顯示它們的共現性
您必須先回答所有問題，才能檢查進度。
此頁面對您有幫助嗎？
需要本主題的協助嗎？
想要嘗試使用 Ask Learn 來釐清或引導您完成本主題嗎？