Kuiz Autoencoders Variasi

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

1. Apakah pengekod dalam output VAE untuk input yang diberikan?
   • Parameter taburan kebarangkalian, seperti min dan varians
   • Satu titik tetap dalam ruang terpendam
   • Label kelas
   • Salinan input yang dibina semula
2. Apakah tujuan helah penyusunan semula?
   • Untuk menjadikan penyahkod lebih besar
   • Untuk membenarkan kecerunan mengalir melalui langkah persampelan rawak
   • Untuk menghapuskan keperluan untuk penyahkod
   • Untuk memampatkan lagi ruang terpendam
3. In the standard Gaussian VAE formulation, what does the KL term encourage?
   • The decoder to predict future input tokens
   • The encoder to remove all randomness
   • The approximate posterior to stay close to the chosen prior, commonly a standard normal
   • Every latent variable to have the same observed value
4. Fungsi objektif yang dimaksimumkan oleh VAE semasa latihan dipanggil:
   • Siling entropi silang
   • Kerugian musuh
   • Min jidar kuasa dua
   • Batasan Bawah Bukti (ELBO)
5. In a Gaussian VAE, what enables generation of a new sample?
   • Sample a latent from the prior and decode it with the learned decoder
   • Copy a training image directly without a model
   • Run the encoder backward with no latent sampling
   • Choose a random class label without decoding
6. Dalam model resapan terpendam seperti Resapan Stabil, apakah peranan yang dimainkan oleh VAE?
   • Ia melabelkan imej latihan
   • Ia memampatkan imej ke ruang terpendam tempat penyebaran berjalan, kemudian menyahkod kembali kepada piksel
   • Ia menggantikan pengekod teks
   • Ia menjadualkan tahap hingar
7. In variational inference, what does the ELBO provide for the marginal log likelihood log p(x)?
   • An exact value of log p(x) for every model
   • A guarantee that each generated sample is realistic
   • A tractable lower bound that can be maximized instead of directly maximizing log p(x)
   • A posterior distribution that requires no inference model
8. What distribution does a VAE decoder model given a latent vector?
   • The encoder’s approximate posterior q(z|x)
   • The training set’s class-frequency histogram only
   • The optimizer’s learning-rate schedule
   • The likelihood of an observation conditioned on that latent, p(x|z)