Útmutatóhoz kapcsolódó kvíz · Kemény Szint
Az áramlások normalizálása kvíz
Practice invertible flow transformations, change-of-variables densities, and Jacobian corrections, including limits of likelihood-based anomaly detection.
kérdés 1 -ból 8
Milyen matematikai tulajdonságokkal kell rendelkeznie minden transzformációnak egy normalizáló folyamban?
Tekintse meg az összes kérdést8 kérdéseket
A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.
- Milyen matematikai tulajdonságokkal kell rendelkeznie minden transzformációnak egy normalizáló folyamban?
- Véletlenszerű, nem invertálható leképezésnek kell lennie
- Invertálhatónak (bijektívnek) és differenciálhatónak kell lennie
- Minden lépésnél csökkentenie kell a dimenziót
- Ennek egy különálló keresőtáblának kell lennie
- Melyik képlet teszi lehetővé a normalizáló folyamok pontos valószínűségek kiszámítását?
- A softmax funkció
- A Bellman egyenlet
- Bayes szabálya a logitokra vonatkozik
- A változók változásának formulája a Jacobi-determináns használatával
- Miért használnak csatolási rétegeket az olyan áramlási architektúrák, mint a RealNVP és a Glow?
- A Jacobi-háromszöget úgy tenni, hogy a determinánsa olcsón kiszámítható
- Hogy a modell ne invertálható legyen
- Hogy ne legyen szükség alapelosztásra
- A modell GAN-lé alakítása
- 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
- 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
- Melyik modern technika, amelyet olyan rendszerekben használnak, mint a Stable Diffusion 3, nőtt ki a folyamatos áramlási ötletekből?
- Visszaterjesztés az időben
- Flow matching (olyan sebességmező megtanulása, amely a zajt az adatokba továbbítja)
- Tokenizálás
- Sugárkeresés
- 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
- 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