Quiz sur les modèles basés sur l'énergie

Les réponses et les explications apparaissent au fur et à mesure que vous répondez au quiz.

1. Dans un modèle basé sur l'énergie, quel est le lien entre l'énergie et la probabilité d'un point de données ?
   • Une énergie élevée signifie une probabilité élevée
   • Une faible énergie signifie une probabilité élevée (p(x) est proportionnel à exp(-E(x)))
   • L'énergie et la probabilité ne sont pas liées
   • La probabilité est directement égale à l'énergie
2. Qu’est-ce qui rend difficile la formation de modèles basés sur l’énergie ?
   • La fonction énergétique ne peut pas être un réseau neuronal
   • Ils nécessitent uniquement des données étiquetées
   • Ils ne peuvent pas représenter des images
   • La fonction de partition Z (normaliseur sur toutes les entrées) est généralement difficile à calculer
3. Quelle méthode d’échantillonnage est couramment utilisée pour prélever des échantillons à partir d’un EBM ?
   • Dynamique de Langevin (MCMC basé sur les gradients)
   • Recherche de faisceau
   • Tri rapide
   • Une seule passe en avant
4. Pourquoi des méthodes telles que la correspondance de scores peuvent-elles éviter de calculer la fonction de partition Z ?
   • Parce que Z est toujours égal à 1
   • Parce qu'ils ignorent la fonction énergétique
   • Parce que le gradient de log p(x) est -gradient de E(x), et Z (une constante dans x) disparaît lors de la différenciation
   • Parce qu'ils ne fonctionnent que sur des données discrètes
5. Lequel de ces modèles est un modèle énergétique classique ?
   • Le transformateur
   • L'arbre de décision
   • L'algorithme k-means
   • Le réseau Hopfield
6. For a differentiable EBM density with Z constant in x, how does its score relate to energy?
   • The score equals the partition function itself
   • The score equals the negative input gradient of energy
   • The score ignores the learned energy entirely
   • The score is always the positive energy gradient
7. An EBM adds the same constant c to every E(x). What happens to normalized probabilities?
   • Every probability increases by c
   • All inputs become equally probable
   • They remain unchanged after the partition function is adjusted
   • The normalizer must be set to zero
8. For two configurations with E(a) lower than E(b), what follows under the same normalized Gibbs model?
   • Configuration a has greater probability than b
   • Configuration b has greater probability because its energy is higher
   • Both probabilities must be exactly one
   • The comparison requires different partition functions for each point