Kuis terkait panduan · Keras Tingkat

Kuis Model Berbasis Energi

Menerapkan probabilitas berbasis energi, fungsi partisi, dan gradien skor, termasuk bagaimana energi relatif menentukan rasio distribusi yang dinormalisasi.

Jalur panduan terkaitModel Berbasis Energi
Pertanyaan 1 dari 8

Dalam model berbasis energi, bagaimana hubungan energi dengan probabilitas suatu titik data?

Pratinjau setiap pertanyaan8 pertanyaan

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

  1. Dalam model berbasis energi, bagaimana hubungan energi dengan probabilitas suatu titik data?
    • Energi tinggi berarti probabilitas tinggi
    • Energi rendah berarti probabilitas tinggi (p(x) sebanding dengan exp(-E(x)))
    • Energi dan probabilitas tidak berhubungan
    • Probabilitas sama dengan energi secara langsung
  2. Apa yang membuat pelatihan model berbasis energi menjadi sulit?
    • Fungsi energi tidak bisa menjadi jaringan saraf
    • Mereka hanya memerlukan data berlabel
    • Mereka tidak bisa mewakili gambar
    • Fungsi partisi Z (penormalisasi semua input) biasanya sulit untuk dihitung
  3. Metode pengambilan sampel manakah yang biasa digunakan untuk mengambil sampel dari EBM?
    • Dinamika Langevin (MCMC berbasis gradien)
    • Pencarian balok
    • Sortir cepat
    • Satu umpan ke depan
  4. Mengapa metode seperti pencocokan skor dapat menghindari penghitungan fungsi partisi Z?
    • Karena Z selalu sama dengan 1
    • Karena mereka mengabaikan fungsi energi
    • Karena gradien log p(x) adalah -gradien dari E(x), dan Z (konstanta dalam x) hilang saat melakukan diferensiasi
    • Karena mereka hanya bekerja pada data diskrit
  5. Manakah dari model berikut yang merupakan model klasik berbasis energi?
    • Transformator
    • Pohon keputusan
    • Algoritma k-means
    • Jaringan 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