Útmutatóhoz kapcsolódó kvíz · Kemény Szint

Energiaalapú modellek kvíz

Apply energy-based probabilities, partition functions, and score gradients, including how relative energies determine normalized distribution ratios.

Kapcsolódó útmutató utakEnergia alapú modellek
kérdés 1 -ból 8

Egy energia alapú modellben hogyan kapcsolódik az energia egy adatpont valószínűségéhez?

Tekintse meg az összes kérdést8 kérdéseket

A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.

  1. Egy energia alapú modellben hogyan kapcsolódik az energia egy adatpont valószínűségéhez?
    • A nagy energia nagy valószínűséget jelent
    • Az alacsony energia nagy valószínűséget jelent (p(x) arányos az exp(-E(x)))
    • Az energia és a valószínűség nincs összefüggésben
    • A valószínűség közvetlenül egyenlő az energiával
  2. Mi teszi nehézzé az energiaalapú modellek képzését?
    • Az energiafüggvény nem lehet neurális hálózat
    • Csak címkézett adatokat igényelnek
    • Nem ábrázolhatnak képeket
    • A Z partíciófüggvény (minden bemenetre normalizáló) általában nehezen kiszámítható
  3. Melyik mintavételi módszert használják általánosan az EBM-ből való mintavételhez?
    • Langevin dinamika (gradiens alapú MCMC)
    • Sugárkeresés
    • Quicksort
    • Egyetlen előrepassz
  4. Miért kerülhetik el az olyan módszerek, mint a pontszámillesztés, a Z partíciófüggvény kiszámítását?
    • Mert Z mindig egyenlő 1-gyel
    • Mert figyelmen kívül hagyják az energiafunkciót
    • Mivel a log p(x) gradiense E(x) -gradiense, és Z (konstans x-ben) kiesik a differenciáláskor
    • Mert csak diszkrét adatokon dolgoznak
  5. Ezek közül melyik a klasszikus energia alapú modell?
    • A transzformátor
    • A döntési fa
    • A k-közép algoritmus
    • A Hopfield hálózat
  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