Викторина по нормализации потоков

Ответы и пояснения появляются по мере прохождения теста.

1. Каким математическим свойством должно обладать каждое преобразование в нормализующем потоке?
   • Это должно быть случайное необратимое отображение.
   • Оно должно быть обратимым (биективным) и дифференцируемым.
   • Он должен уменьшать размерность на каждом этапе
   • Это должна быть дискретная таблица поиска.
2. Какая формула позволяет нормализовать потоки вычислить точные вероятности?
   • Функция softmax
   • Уравнение Беллмана
   • Правило Байеса применимо к логитам
   • Формула замены переменных с использованием определителя Якобиана
3. Почему потоковые архитектуры, такие как RealNVP и Glow, используют уровни связи?
   • Сделать якобиан треугольным, чтобы его определитель можно было легко вычислить.
   • Чтобы сделать модель необратимой
   • Чтобы устранить необходимость в базовом дистрибутиве
   • Чтобы преобразовать модель в GAN
4. 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
5. 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
6. Какой современный метод, используемый в таких системах, как «Стабильная диффузия 3», вырос из идей непрерывного потока?
   • Обратное распространение ошибки во времени
   • Согласование потока (изучение поля скоростей, которое переносит шум в данные)
   • Токенизация
   • Поиск луча
7. 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
8. 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