Κουίζ κανονικοποίησης ροών

Οι απαντήσεις και οι εξηγήσεις εμφανίζονται καθώς κάνετε το κουίζ.

1. Ποια μαθηματική ιδιότητα πρέπει να έχει κάθε μετασχηματισμός σε μια ροή κανονικοποίησης;
   • Πρέπει να είναι μια τυχαία, μη αναστρέψιμη χαρτογράφηση
   • Πρέπει να είναι αντιστρέψιμη (διπλή) και διαφοροποιήσιμη
   • Πρέπει να μειώνει τη διάσταση σε κάθε βήμα
   • Πρέπει να είναι ένας διακριτός πίνακας αναζήτησης
2. Ποιος τύπος επιτρέπει την κανονικοποίηση των ροών να υπολογίζει τις ακριβείς πιθανότητες;
   • Η λειτουργία softmax
   • Η εξίσωση Bellman
   • Ο κανόνας του Bayes ίσχυε για τα logits
   • Ο τύπος αλλαγής μεταβλητών χρησιμοποιώντας την ορίζουσα Jacobian
3. Γιατί οι αρχιτεκτονικές ροής όπως το RealNVP και το Glow χρησιμοποιούν στρώματα σύζευξης;
   • Για να γίνει το Jacobian τριγωνικό έτσι ώστε η ορίζοντά του να είναι φθηνό να υπολογιστεί
   • Για να γίνει το μοντέλο μη αναστρέψιμο
   • Για να αφαιρέσετε την ανάγκη για διανομή βάσης
   • Για να μετατρέψετε το μοντέλο σε GAN
4. What does a tractable normalizing flow provide that an ordinary GAN generator generally does not?
   • A guarantee of perfect anomaly detection
   • A guarantee of faster sampling than every GAN
   • An explicitly evaluable model density through change of variables
   • A non-invertible mapping with no base distribution
5. How should a team use normalizing-flow likelihoods for anomaly detection?
   • Assume every high-likelihood input is familiar
   • Treat density as the probability mass of a single point
   • Skip checking real anomaly labels
   • Validate them as a signal against relevant in-distribution and anomalous examples
6. Ποια σύγχρονη τεχνική, που χρησιμοποιείται σε συστήματα όπως το Stable Diffusion 3, προέκυψε από ιδέες συνεχούς ροής;
   • Πίσω διάδοση στο χρόνο
   • Αντιστοίχιση ροής (εκμάθηση πεδίου ταχύτητας που μεταφέρει θόρυβο σε δεδομένα)
   • Tokenization (Τεμαχισμός σε tokens)
   • Αναζήτηση δέσμης
7. A one-dimensional flow inverse is z = x / 2. What log-Jacobian term appears in log p(x)?
   • log(2)
   • The parameter count of the network
   • log(1/2)
   • No term because the inverse is linear
8. Why must a normalizing flow account for stretching or shrinking volume?
   • A transformed region’s density must reflect the changed volume
   • The transformation must lose half its dimensions
   • Every output point must have probability mass one
   • The base distribution must be discarded after training