ガイド連動クイズ · ハード レベル

エネルギーベースのモデルに関するクイズ

相対エネルギーが正規化された分布率を決定する方法を含む、エネルギーベースの確率、分配関数、およびスコア勾配を適用します。

関連するガイドパスエネルギーベースのモデル
質問 1 の 8

エネルギーベースのモデルでは、エネルギーはデータ ポイントの確率にどのように関係しますか?

すべての質問をプレビューする8 質問

クイズに答えると、答えと解説が表示されます。

  1. エネルギーベースのモデルでは、エネルギーはデータ ポイントの確率にどのように関係しますか?
    • エネルギーが高いということは確率が高いことを意味します
    • エネルギーが低いということは確率が高いことを意味します (p(x) は exp(-E(x)) に比例します)
    • エネルギーと確率は関係ない
    • 確率はエネルギーに直接等しい
  2. エネルギーベースのモデルのトレーニングが難しいのはなぜですか?
    • エネルギー関数をニューラル ネットワークにすることはできません
    • ラベル付きデータのみが必要です
    • イメージを表現することはできません
    • 分配関数 Z (すべての入力に対するノーマライザー) は通常、計算が困難です
  3. EBM からサンプルを抽出するにはどのサンプリング方法が一般的に使用されますか?
    • ランジュバン力学 (勾配ベースの MCMC)
    • ビームサーチ
    • クイックソート
    • 単一のフォワードパス
  4. スコア マッチングのような方法では、なぜ分配関数 Z の計算を回避できるのでしょうか?
    • Z は常に 1 に等しいため
    • エネルギー関数を無視しているからです
    • log p(x) の勾配は E(x) の -gradient であり、微分すると Z (x の定数) が抜け落ちてしまうためです。
    • 離散データのみを扱うため
  5. 古典的なエネルギーベースのモデルは次のうちどれですか?
    • トランスフォーマー
    • デシジョンツリー
    • K 平均法アルゴリズム
    • ホップフィールドネットワーク
  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