แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ยาก ระดับ

แบบทดสอบแบบจำลองพลังงาน

ใช้ความน่าจะเป็นที่อิงพลังงาน ฟังก์ชันพาร์ติชัน และการไล่ระดับคะแนน รวมถึงวิธีที่พลังงานสัมพัทธ์กำหนดอัตราส่วนการกระจายแบบปกติ

เส้นทางแนะนำที่เกี่ยวข้องแบบจำลองพลังงาน
คำถาม 1 ของ 8

ในแบบจำลองที่ใช้พลังงาน พลังงานเกี่ยวข้องกับความน่าจะเป็นของจุดข้อมูลอย่างไร

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. ในแบบจำลองที่ใช้พลังงาน พลังงานเกี่ยวข้องกับความน่าจะเป็นของจุดข้อมูลอย่างไร
    • พลังงานสูงหมายถึงความน่าจะเป็นสูง
    • พลังงานต่ำหมายถึงความน่าจะเป็นสูง (p(x) เป็นสัดส่วนกับ exp(-E(x)))
    • พลังงานและความน่าจะเป็นไม่เกี่ยวข้องกัน
    • ความน่าจะเป็นเท่ากับพลังงานโดยตรง
  2. อะไรทำให้การฝึกอบรมโมเดลที่เน้นพลังงานเป็นเรื่องยาก
    • ฟังก์ชันพลังงานไม่สามารถเป็นโครงข่ายประสาทเทียมได้
    • พวกเขาต้องการข้อมูลที่มีป้ายกำกับเท่านั้น
    • พวกเขาไม่สามารถแสดงภาพได้
    • ฟังก์ชันพาร์ติชัน Z (ตัวปรับมาตรฐานเหนืออินพุตทั้งหมด) มักจะยากต่อการคำนวณ
  3. โดยทั่วไปจะใช้วิธีสุ่มตัวอย่างใดเพื่อดึงตัวอย่างจาก EBM
    • ไดนามิกของ Langevin (MCMC แบบไล่ระดับ)
    • ค้นหาบีม
    • เรียงลำดับด่วน
    • ส่งต่อเพียงครั้งเดียว
  4. เหตุใดวิธีการเช่นการจับคู่คะแนนจึงสามารถหลีกเลี่ยงการคำนวณฟังก์ชันพาร์ติชัน Z ได้
    • เพราะ Z เท่ากับ 1 เสมอ
    • เพราะพวกเขาละเลยหน้าที่ของพลังงาน
    • เนื่องจากการไล่ระดับสีของบันทึก p(x) คือ -การไล่ระดับสีของ E(x) และ Z (ค่าคงที่ในหน่วย x) จะหลุดออกมาเมื่อหาความแตกต่าง
    • เนื่องจากทำงานเฉพาะกับข้อมูลที่ไม่ต่อเนื่องเท่านั้น
  5. ข้อใดต่อไปนี้คือโมเดลที่ใช้พลังงานแบบคลาสสิก
    • หม้อแปลงไฟฟ้า
    • ต้นไม้การตัดสินใจ
    • อัลกอริธึมเคมีน
    • เครือข่ายฮอปฟิลด์
  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