Varyasyonel Otomatik Kodlayıcılar Sınavı

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

1. Belirli bir giriş için VAE çıkışındaki kodlayıcı ne yapar?
   • Ortalama ve varyans gibi olasılık dağılımının parametreleri
   • Gizli uzayda tek bir sabit nokta
   • Bir sınıf etiketi
   • Girişin yeniden oluşturulmuş bir kopyası
2. Yeniden parametrelendirme hilesinin amacı nedir?
   • Kod çözücüyü büyütmek için
   • Gradyanların rastgele örnekleme adımı boyunca akmasına izin vermek için
   • Kod çözücü ihtiyacını ortadan kaldırmak için
   • Gizli alanı daha da sıkıştırmak için
3. In the standard Gaussian VAE formulation, what does the KL term encourage?
   • The decoder to predict future input tokens
   • The encoder to remove all randomness
   • The approximate posterior to stay close to the chosen prior, commonly a standard normal
   • Every latent variable to have the same observed value
4. VAE'lerin eğitim sırasında maksimuma çıkardığı amaç fonksiyonuna şunlar denir:
   • Çapraz entropi tavanı
   • Düşmanca kayıp
   • Ortalama kare kenar boşluğu
   • Kanıt Alt Sınırı (ELBO)
5. In a Gaussian VAE, what enables generation of a new sample?
   • Sample a latent from the prior and decode it with the learned decoder
   • Copy a training image directly without a model
   • Run the encoder backward with no latent sampling
   • Choose a random class label without decoding
6. Kararlı Difüzyon gibi gizli bir yayılma modelinde VAE nasıl bir rol oynar?
   • Eğitim görsellerini etiketler
   • Görüntüleri difüzyonun çalıştığı gizli bir alana sıkıştırır, ardından kodu tekrar piksellere çözer
   • Metin kodlayıcının yerini alır
   • Gürültü seviyelerini programlar
7. In variational inference, what does the ELBO provide for the marginal log likelihood log p(x)?
   • An exact value of log p(x) for every model
   • A guarantee that each generated sample is realistic
   • A tractable lower bound that can be maximized instead of directly maximizing log p(x)
   • A posterior distribution that requires no inference model
8. What distribution does a VAE decoder model given a latent vector?
   • The encoder’s approximate posterior q(z|x)
   • The training set’s class-frequency histogram only
   • The optimizer’s learning-rate schedule
   • The likelihood of an observation conditioned on that latent, p(x|z)