Викторина, связанная с руководством · Жесткий Уровень

Викторина по энергетическим моделям

Применяйте основанные на энергии вероятности, функции распределения и градиенты оценок, в том числе то, как относительные энергии определяют нормированные коэффициенты распределения.

Связанные направляющие путиЭнергетические модели
Вопрос 1 из 8

Как энергия связана с вероятностью точки данных в модели, основанной на энергии?

Предварительный просмотр каждого вопроса8 вопросы

Ответы и пояснения появляются по мере прохождения теста.

  1. Как энергия связана с вероятностью точки данных в модели, основанной на энергии?
    • Высокая энергия означает высокую вероятность
    • Низкая энергия означает высокую вероятность (p(x) пропорциональна exp(-E(x)))
    • Энергия и вероятность не связаны
    • Вероятность напрямую равна энергии
  2. Что затрудняет обучение энергетических моделей?
    • Энергетическая функция не может быть нейронной сетью
    • Им нужны только помеченные данные
    • Они не могут представлять изображения
    • Статистическая сумма Z (нормализатор по всем входам) обычно не поддается вычислению.
  3. Какой метод отбора проб обычно используется для отбора проб из EBM?
    • Динамика Ланжевена (MCMC на основе градиента)
    • Поиск луча
    • Быстрая сортировка
    • Одиночный проход вперед
  4. Почему такие методы, как сопоставление оценок, могут избежать вычисления статистической суммы Z?
    • Потому что Z всегда равен 1
    • Потому что они игнорируют энергетическую функцию
    • Поскольку градиент log p(x) является -градиентом E(x), а Z (константа по x) выпадает при дифференцировании
    • Потому что они работают только с дискретными данными.
  5. Какая из этих моделей является классической энергетической моделью?
    • Трансформатор
    • Дерево решений
    • Алгоритм k-средних
    • Сеть Хопфилда
  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