Créer jeu
Télécharger
Obtenir Plan Académique
Partager le jeu
Devinette
Devinette

DL_Riddle_Quiz 1

Intégrez-le à votre plateforme

Vous pouvez intégrer le jeu dans un LMS compatible avec LTI 1.1 ou LTI 1.3 comme Canvas, Moodle ou Blackboard. Les scores seront ainsi automatiquement enregistrés dans le carnet de notes de la plateforme.
Télécharger
Vous avez dépassé le nombre maximum de jeux que vous pouvez intégrer à Google Classroom avec votre Plan actuel.

Pour intégrer autant de jeux que vous le souhaitez dans Google Classroom, vous avez besoin d’un Plan Académique ou un Plan Commerciel.

Vous avez dépassé le nombre maximum de jeux que vous pouvez intégrer à Microsoft Teams avec votre Plan actuel.

Pour intégrer autant de jeux que vous le souhaitez dans Microsoft Teams, vous avez besoin d’un Plan Académique ou un Plan Commerciel.

Le téléchargement du jeu est une fonctionnalité exclusive pour les utilisateurs avec un Plan Académique ou un Plan Commercial.

Obtenez votre Plan Académique ou Plan Commercial dès maintenant et commencez à intégrer vos jeux dans votre LMS, votre site Web ou votre blog.

Si vous le souhaitez, vous pouvez télécharger une jeu de test ici et tester son intégration:

DL_Riddle_Quiz 1

Devinette

Parties jouées 1

À propos de cette activité

DL_RIDDLE_QUIZ_1

Créé par

India

Téléchargez la version pour jouer sur papier

Créez votre propre jeu gratuite à partir de notre créateur de jeu
Affrontez vos amis pour voir qui obtient le meilleur score dans ce jeu

Top Jeux

%
Anonyme
Anonyme
%
%
%
Vous avez dépassé le nombre maximum de jeux que vous pouvez imprimer avec votre Plan actuel.

Pour imprimer autant de jeux que vous le souhaitez, vous avez besoin d’un Plan Académique ou un Plan Commerciel.

Imprimez votre jeu
DL_Riddle_Quiz 1
 

DL_Riddle_Quiz 1Version en ligne

DL_RIDDLE_QUIZ_1

par Sivaranjini S
1

I am the family of neural networks that operates over hierarchical input defined by a parse tree.

Hints

At every parent node I combine my children using a shared weight matrix.

2

I am the alternative name for a transposed convolution emphasising its mathematical role as the gradient-flow operation of a forward strided convolution.

Hints

I am a misleading term — I am NOT the inverse of convolution and I do NOT recover the original input.

People often use my name even though it is technically incorrect.

3

I am the segmentation loss most directly derived from the F1 score.

Hints

I treat predicted and ground-truth foreground masks symmetrically as sets and penalise their lack of overlap.

I struggle when both masks are empty; people add a small ε to my denominator to avoid division by zero.

4

I am U-Net's mechanism for fusing high-resolution encoder features with upsampled decoder features.

Hints

I do NOT use addition; I append along the channel dimension.

DenseNet is the architecture most associated with applying me densely between every pair of layers in a block.

5

I am a small fully-convolutional network that slides a 3×3 window over a shared backbone feature map.

Hints

I classify each anchor as object/background and regress its bounding-box offset.

I replaced selective search and helped make object detection nearly real-time.

Voulez-vous vraiment quitter la page ?

En quittant la page, vous perdrez la progression du jeu.