Gids-gekoppelde quiz · Moeilijk Niveau
Quiz voor het normaliseren van stromen
Oefen met omkeerbare stroomtransformaties, verandering van variabelendichtheden en Jacobiaanse correcties, inclusief de grenzen van op waarschijnlijkheid gebaseerde anomaliedetectie.
Vraag 1 van 8
Welke wiskundige eigenschap moet elke transformatie in een normaliserende stroom hebben?
Bekijk elke vraag8 vragen
Antwoorden en uitleg verschijnen terwijl je de quiz doet.
- Welke wiskundige eigenschap moet elke transformatie in een normaliserende stroom hebben?
- Het moet een willekeurige, niet-omkeerbare mapping zijn
- Het moet omkeerbaar (bijectief) en differentieerbaar zijn
- Het moet de dimensionaliteit bij elke stap verminderen
- Het moet een discrete opzoektabel zijn
- Met welke formule kunnen normaliserende stromen exacte waarschijnlijkheden berekenen?
- De softmax-functie
- De Bellman-vergelijking
- De regel van Bayes was van toepassing op logits
- De formule voor verandering van variabelen met behulp van de Jacobiaanse determinant
- Waarom gebruiken flow-architecturen zoals RealNVP en Glow koppelingslagen?
- Om de Jacobiaanse driehoek zo te maken dat de determinant ervan goedkoop te berekenen is
- Om het model niet-inverteerbaar te maken
- Om de noodzaak van een basisdistributie weg te nemen
- Om het model om te zetten in een GAN
- 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
- 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
- Welke moderne techniek, gebruikt in systemen als Stable Diffusion 3, is voortgekomen uit ideeën voor continue stroom?
- Terugpropagatie door de tijd
- Flow matching (leren van een snelheidsveld dat ruis naar gegevens transporteert)
- Tokenisatie
- Straal zoeken
- 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
- 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