【中英】【吴恩达课后测验】Course 5 - 序列模型 - 第一周测验

【中英】【吴恩达课后测验】Course 5 -序列模型 - 第一周测验 - 循环神经网络

1. 假设你的训练样本是句子(单词序列)，下面哪个选项指的是第$i$个训练样本中的第$j$个词?

   • 【★】 $x^{(i)<j>}$

   • 【 】 $x^{<i>(j)}$

   • 【 】 $x^{(j)<i>}$

   • 【 】 $x^{<j>(i)}$

   We index into the $i^{th}$ row first to get the $i^{th}$ training example (represented by parentheses), then the $j^{th}$ column to get the $j^{th}$ word (represented by the brackets).
   
   
   首先获取第$i$个训练样本(用括号表示)，然后到 $j$列获取单词(用括尖括号表示)。

2. 看一下下面的这个循环神经网络：
   
   在下面的条件中，满足上图中的网络结构的参数是：

   • 【★】 $T_x = T_y$

   • 【 】 $T_x < T_y$

   • 【 】 $T_x > T_y$

   • 【 】 $T_x = 1$

   It is appropriate when every input should be matched to an output.
   
   
   上图中每一个输入都与输出相匹配。

3. 这些任务中的哪一个会使用多对一的RNN体系结构？
   

   • 【 】 语音识别（输入语音，输出文本）。

   • 【★】 情感分类（输入一段文字，输出0或1表示正面或者负面的情绪）。

   • 【 】 图像分类（输入一张图片，输出对应的标签）。

   • 【★】 人声性别识别（输入语音，输出说话人的性别）。

4. 假设你现在正在训练下面这个RNN的语言模型：
   
   在$t$时，这个RNN在做什么？

   • 【 】 计算 $P(y^{<h2 id="中英吴恩达课后测验course-5-序列模型-第一周测验-循环神经网络">}, y^{</h2>}, …, y^{<t-1>})$

   • 【 】 计算 $P(y^{<t>})$

   • 【★】 计算 $P(y^{<t>} \mid y^{<h2 id="中英吴恩达课后测验course-5-序列模型-第一周测验-循环神经网络">}, y^{</h2>}, …, y^{<t-1>})$

   • 【 】 计算 P(y<t>∣y<1>,y<2>,…,

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！