DL in NLP 2020. Spring. Quiz 2
* Required
Email address
*
Your email
Github
*
Your answer
Какие исходные данные для алгоритма GloVe?
Сырой текст
Текст, разбитый на предложения
Матрица совместной встречаемости
SVDразложение матрицы совместной встречаемости
Логарифм матрицы совместной встречаемости
Отметьте правильные свойства алгоритма GloVe
Он решает задачу квадратичной оптимизации
Функция f в алгоритме позволяет снизить влияние слишком частых слов.
Алгоритм GloVe лучше работает на малых объёмах данных
Влияние слов любой частотности на алгоритм Glove одинаково
Алгоритм fasttext строит векторные представления для ...
слова и входящих в него символьных энграмм
слова и входящих в него морфем
слова и входящих в него букв
только символьных энграмм слова
Алгоритм fasttext лучше применим для
Семантических аналогий
Синтаксических аналогий
Слов, не входящих в словарь
Языков с простой морфологией
Языков со сложной морфологией
What is the primary function of softmax in the case of logistic regression?
*
Scores normalization
Batch normalization
A trick for optimisation simplicity
Suppose you need to train a fullyconnected neural network with 4 neurons at first hidden layer and 6 neurons at second hidden layer. This network takes 3dimensional vector as input and has one output neuron with sigmoid function. Loss function is negative log likelihood. How many parameters should be updated through 1 step of gradient descent? (Don't forget the biases!)
*
42
53
46
Other:
Finding the appropriate weight and bias of each neuron is the most important step in neural networks. If you can somehow get the correct value of weight and bias for each neuron, you can approximate any function. What would be the best way to approach this among listed options?
*
Assign random values and hope that they are correct
Search every possible combination of weights and biases till you get the best value
Iteratively check that after assigning a value how far you are from the best values, and slightly change the assigned values values to make them better
Suppose you have inputs as x, y, and z with values 2, 5, and 4 respectively. You have a neuron ‘q’ and neuron ‘f’ with functions: q = x + y and f = q * z. What is the gradient of F with respect to x, y, and z?
*
(3,4,4)
(4,4,3)
(4,4,3)
(3,4,4)
Your questions about the material
Your answer
Submit
Never submit passwords through Google Forms.
This content is neither created nor endorsed by Google.
Report Abuse

Terms of Service

Privacy Policy
Forms