흐름 정규화 퀴즈

퀴즈를 풀면 정답과 설명이 나타납니다.

1. 정규화 흐름의 모든 변환에는 어떤 수학적 속성이 있어야 합니까?
   • 무작위의 반전 불가능한 매핑이어야 합니다.
   • 가역적(전단적)이고 미분 가능해야 합니다.
   • 각 단계에서 차원을 줄여야 합니다.
   • 이산 조회 테이블이어야 합니다.
2. 정규화 흐름을 통해 정확한 가능성을 계산할 수 있는 공식은 무엇입니까?
   • 소프트맥스 함수
   • 벨만 방정식
   • 로지트에 베이즈 규칙 적용
   • 야코비안 행렬식을 사용한 변수 변화 공식
3. RealNVP 및 Glow와 같은 흐름 아키텍처가 결합 레이어를 사용하는 이유는 무엇입니까?
   • 야코비안 삼각형을 만들어서 행렬식을 계산하는 것이 저렴합니다.
   • 모델을 반전 불가능하게 만들려면
   • 기본 배포의 필요성을 제거하려면
   • 모델을 GAN으로 변환하려면
4. 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
5. 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
6. Stable Diffusion 3과 같은 시스템에 사용되는 최신 기술 중 연속 흐름 아이디어에서 발전한 것은 무엇입니까?
   • 시간에 따른 역전파
   • 흐름 일치(노이즈를 데이터로 전달하는 속도 장 학습)
   • 토큰화
   • 빔 검색
7. 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
8. 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