Gids-gekoppelde quiz · Moeilijk Niveau

Energiegebaseerde modellenquiz

Pas op energie gebaseerde kansen, partitiefuncties en scoregradiënten toe, inclusief hoe relatieve energieën genormaliseerde verdelingsverhoudingen bepalen.

Gerelateerde gidspadenEnergiegebaseerde modellen
Vraag 1 van 8

Hoe is energie in een op energie gebaseerd model gerelateerd aan de waarschijnlijkheid van een datapunt?

Bekijk elke vraag8 vragen

Antwoorden en uitleg verschijnen terwijl je de quiz doet.

  1. Hoe is energie in een op energie gebaseerd model gerelateerd aan de waarschijnlijkheid van een datapunt?
    • Hoge energie betekent hoge waarschijnlijkheid
    • Lage energie betekent hoge waarschijnlijkheid (p(x) is evenredig met exp(-E(x)))
    • Energie en waarschijnlijkheid hebben niets met elkaar te maken
    • Waarschijnlijkheid is direct gelijk aan de energie
  2. Wat maakt het trainen van op energie gebaseerde modellen moeilijk?
    • De energiefunctie kan geen neuraal netwerk zijn
    • Ze vereisen alleen gelabelde gegevens
    • Ze kunnen geen afbeeldingen weergeven
    • De partitiefunctie Z (normalisator over alle ingangen) is meestal lastig te berekenen
  3. Welke bemonsteringsmethode wordt doorgaans gebruikt om monsters uit een EBM te trekken?
    • Langevin-dynamiek (op gradiënten gebaseerde MCMC)
    • Straal zoeken
    • Snel sorteren
    • Een enkele voorwaartse pass
  4. Waarom kunnen methoden zoals scorematching het berekenen van de partitiefunctie Z vermijden?
    • Omdat Z altijd gelijk is aan 1
    • Omdat ze de energiefunctie negeren
    • Omdat de gradiënt van log p(x) -gradiënt van E(x) is, en Z (een constante in x) wegvalt bij het differentiëren
    • Omdat ze alleen werken met discrete gegevens
  5. Welke van deze is een klassiek energiegebaseerd model?
    • De Transformator
    • De beslisboom
    • Het k-betekent algoritme
    • Het Hopfield-netwerk
  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