Gids-gekoppelde quiz · Moeilijk Niveau
Energiegebaseerde modellenquiz
Pas op energie gebaseerde kansen, partitiefuncties en scoregradiënten toe, inclusief hoe relatieve energieën genormaliseerde verdelingsverhoudingen bepalen.
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.
- 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
- 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
- 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
- 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
- Welke van deze is een klassiek energiegebaseerd model?
- De Transformator
- De beslisboom
- Het k-betekent algoritme
- Het Hopfield-netwerk
- 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
- 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
- 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