College2

Lijst met vragen college 2

  1. Waarom is object invariantie een probleem voor feedforward netwerken?
  2. Wat zou dit kunnen betekenen voor de wijze waarop visuele herkenning/classificatie wordt geleerd in een feedforward netwerk?
  3. Zijn er aanwijzingen dat netwerken in de cortex moeite hebben met het leren van object invariantie?
  4. Geef een korte uitleg van het begrip state space van een laag in een feedforward netwerk.
  5. Leg uit hoe je object invariantie kunt beschrijven in termen van de state space van een laag in een feedforward netwerk.
  6. Welke kenmerken heeft de representatie van twee invariante objecten in de state space van een laag in een feedforward netwerk, als die twee objecten steeds als verschillende objecten worden herkend/geclassificeerd.
  7. Hoe verandert de representatie van een invariant object tussen de onderste lagen en de bovenste lagen in een feedforward netwerk, als het netwerk geleerd heeft het object (invariant) te herkennen?
  8. Wat zijn center-surround receptieve velden?
  9. Wat is het verschil tussen off-on en on-off center-surround receptieve velden?
  10. Wat is het kenmerkende verschil tussen de receptieve velden van retinale ganglion cellen en neuronen in de primaire visuele cortex (V1)?
  11. Gabor filter vragen
  12. Het model van Serre et al. voor visuele object herkenning/classificatie heeft twee soorten units: S units en C units. Beschrijf (globaal) het verschil in de rol die deze units hebben in het model.
  13. Hoe leidt het model van Serre et al. voor visuele object herkenning/classificatie langzaam tot object invariantie?
  14. In het model van Serre et al. voor visuele object herkenning/classificatie worden de gewichten voor de S units vanaf S2 tot en met S4 bepaald door unsupervised learning. Beschrijf (globaal) dit leerproces.
  15. Beschrijf waarom scrambled images een probleem kunnen zijn voor feedforward netwerken van visuele object herkenning/classificatie. Hoe kan dit probleem beperkt worden?
Unless otherwise stated, the content of this page is licensed under Creative Commons Attribution-ShareAlike 3.0 License