705件中 281〜300件を表示 (1ページ最大20件)
| ID | 問題 | 章 | 論点 | 種類 | 有効 | |
|---|---|---|---|---|---|---|
| #425 | GRUのリセット・更新ゲートにsigmoidを使う理由は? | リカレントニューラルネットワーク | GRU | 選択肢消去 | ○ | 編集 |
| #424 | GRUの更新ゲートz_tの役割は? | リカレントニューラルネットワーク | GRU | 即答 | ○ | 編集 |
| #423 | GRUのリセットゲートr_tの役割は? | リカレントニューラルネットワーク | GRU | 即答 | ○ | 編集 |
| #422 | GRUはLSTMのような独立したセル状態c_tを持つ? | リカレントニューラルネットワーク | GRU | 選択肢消去 | ○ | 編集 |
| #421 | 標準GRUの2つのゲートは? | リカレントニューラルネットワーク | GRU | 用語 | ○ | 編集 |
| #420 | GRUが提案された主な狙いは? | リカレントニューラルネットワーク | GRU | 即答 | ○ | 編集 |
| #419 | GRUの正式名称は? | リカレントニューラルネットワーク | GRU | 用語 | ○ | 編集 |
| #418 | PyTorch nn.LSTMのゲート格納順と、AVILENスクラッチ教材の例の順序は? | リカレントニューラルネットワーク | LSTM | PyTorch対応 | ○ | 編集 |
| #417 | PyTorchの標準nn.LSTMはpeephole connectionを引数1つで有効化できる? | リカレントニューラルネットワーク | LSTM | PyTorch対応 | ○ | 編集 |
| #416 | Peephole LSTMの出力ゲートは、一般的にどのセル状態を参照する? | リカレントニューラルネットワーク | LSTM | 選択肢消去 | ○ | 編集 |
| #415 | Peephole connection付きLSTMとは? | リカレントニューラルネットワーク | LSTM | 用語 | ○ | 編集 |
| #414 | CECとは何の略で、LSTMでは何を指す? | リカレントニューラルネットワーク | LSTM | 用語 | ○ | 編集 |
| #413 | Stateful LSTMで次のチャンクへ持ち越すべき状態は? | リカレントニューラルネットワーク | LSTM | PyTorch対応 | ○ | 編集 |
| #412 | LSTMの忘却ゲートbiasを正の値で初期化する狙いは? | リカレントニューラルネットワーク | LSTM | 選択肢消去 | ○ | 編集 |
| #411 | 同じI・Hなら、標準LSTMは単純RNNよりセル計算とパラメータが多いのはなぜ? | リカレントニューラルネットワーク | LSTM | 選択肢消去 | ○ | 編集 |
| #410 | 入力I=10、隠れH=20の1層・単方向nn.LSTMはbias=Trueで何パラメータ? | リカレントニューラルネットワーク | パラメータ数 | 数式 | ○ | 編集 |
| #409 | PyTorchの1層・単方向nn.LSTMでbias=Trueのパラメータ数は? | リカレントニューラルネットワーク | パラメータ数 | 数式 | ○ | 編集 |
| #408 | 単一バイアスで数える1層・単方向LSTMセルのパラメータ数は? | リカレントニューラルネットワーク | パラメータ数 | 数式 | ○ | 編集 |
| #407 | f・i・g・oの4ブロック計算を一括する行ベクトル実装で、LSTMのW_x、W_h、bのshapeは? | リカレントニューラルネットワーク | テンソルshape | 数式 | ○ | 編集 |
| #406 | 入力次元I・隠れ次元Hの標準LSTMで、f・i・g・oの各ベクトルのshapeは? | リカレントニューラルネットワーク | テンソルshape | 数式 | ○ | 編集 |