Вікторина, пов’язана з посібником · важко Рівень

Вікторина «Енергетичні моделі».

Застосовуйте ймовірності на основі енергії, функції розподілу та градієнти балів, зокрема те, як відносні енергії визначають нормалізовані коефіцієнти розподілу.

Пов'язані напрямні шляхиМоделі на основі енергії
Питання 1 з 8

Як у енергетичній моделі пов’язана енергія з імовірністю точки даних?

Перегляньте кожне запитання8 запитання

Відповіді та пояснення з’являються під час виконання тесту.

  1. Як у енергетичній моделі пов’язана енергія з імовірністю точки даних?
    • Висока енергія означає високу ймовірність
    • Низька енергія означає високу ймовірність (p(x) пропорційна exp(-E(x)))
    • Енергія та ймовірність не пов’язані
    • Імовірність безпосередньо дорівнює енергії
  2. Що ускладнює навчання моделей на основі енергії?
    • Енергетична функція не може бути нейронною мережею
    • Їм потрібні лише позначені дані
    • Вони не можуть представляти зображення
    • Розподільчу функцію Z (нормалізатор для всіх входів) зазвичай важко обчислити
  3. Який метод відбору зразків зазвичай використовується для відбору зразків з EBM?
    • Динаміка Ланжевена (MCMC на основі градієнта)
    • Променевий пошук
    • Швидке сортування
    • Одна передача вперед
  4. Чому такі методи, як зіставлення балів, можуть уникнути обчислення статистичної функції Z?
    • Оскільки Z завжди дорівнює 1
    • Тому що вони ігнорують енергетичну функцію
    • Оскільки градієнт log p(x) є -градієнтом E(x), а Z (константа в x) випадає під час диференціювання
    • Оскільки вони працюють лише з дискретними даними
  5. Яка з них є класичною енергетичною моделлю?
    • Трансформатор
    • Дерево рішень
    • Алгоритм k-середніх
    • Мережа Хопфілда
  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