Crear
Descargar
Obtener Plan Académico
Compartir juego
Adivinanza
Adivinanza

DL_Riddle_Quiz2

Intégralo en tu plataforma

Puedes integrar el juego en un LMS compatible con LTI 1.1 o LTI 1.3 como Canvas, Moodle, o Blackboard. De esta manera podrás guardar las puntuaciones automáticamente en el libro de calificaciones de esa plataforma.
Descargar
Has superado el número máximo de juegos que puedes integrar en Google Classroom con tu Plan actual.

Para integrar tantos juegos como quieras en Google Classroom, necesitas un Plan Académico o un Plan Comercial.

Has superado el número máximo de juegos que puedes integrar en Microsoft Teams con tu Plan actual.

Para integrar tantos juegos como quieras en Microsoft Teams, necesitas un Plan Académico o un Plan Comercial.

La descarga de juegos es una característica exclusiva para usuarios con un Plan Académico o un Plan Comercial.

Obtén ahora tu Plan Académico o Comercial y comienza a integrar tus juegos en tu LMS, web o blog.

Si lo deseas, puedes descargar un juego de prueba aquí y probar su integración:

DL_Riddle_Quiz2

Adivinanza

Jugadas 3

Sobre esta actividad

DL_Riddle_Quiz2

Creada por

India

Descarga la versión para jugar en papel

Crea tu propio juego gratis desde nuestro creador de juegos
Compite contra tus amigos para ver quien consigue la mejor puntuación en esta actividad

Top juegos

%
Anónimo
Anónimo
%
%
%
Has superado el número máximo de juegos que puedes imprimir con tu Plan actual.

Para imprimir tantos juegos como quieras, necesitas un Plan Académico o un Plan Comercial.

Imprime tu juego
DL_Riddle_Quiz2
 

DL_Riddle_Quiz2Versión en línea

DL_Riddle_Quiz2

por Siva Ranjini
1

I am the year-2015 architecture credited with breaking the "degradation problem" of very deep CNNs

Hints

My block can be written y = F(x) + x.

My deepest published variant on ImageNet had 152 layers and I won ILSVRC 2015 classification.

2

U-Net's encoder doubles the channel count at each downsampling stage, starting at 64.

Hints

After four downsampling stages I am the channel count at the bottleneck.

Compute it: 64 → 128 → 256 → 512 → ?

3

I am the operation that transfers feature maps from the contracting path to the expansive path.

Hints

In the original U-Net paper I am implemented as "copy and crop" because of the unpadded convolutions.

I provide the decoder with high-resolution localisation information that pure upsampling cannot recover

4

I was introduced at MICCAI in 2015 by Ronneberger, Fischer and Brox.

Hints

My architecture has a contracting path and an expansive path that resemble a single English letter.

I was trained on roughly 30 annotated images and won the ISBI cell-tracking challenge.

5

I am a class of generative model trained by setting up a two-player game between two neural networks.

Hints

One of my networks creates fake samples; the other tries to tell real samples from fakes.

My acronym is three letters and I was introduced by Ian Goodfellow and colleagues in 2014.

¿Estás seguro que quieres abandonar la página?

Al abandonar la página perderás el progreso del juego.