Вікторина, пов’язана з посібником · важко Рівень

Вікторина щодо нормалізації потоків

Практикуйте перетворення оборотного потоку, зміну щільності змінних і поправки Якобіана, включаючи межі виявлення аномалій на основі ймовірності.

Пов'язані напрямні шляхиНормалізація потоків
Питання 1 з 8

Яку математичну властивість має мати кожне перетворення в нормалізуючому потоці?

Перегляньте кожне запитання8 запитання

Відповіді та пояснення з’являються під час виконання тесту.

  1. Яку математичну властивість має мати кожне перетворення в нормалізуючому потоці?
    • Це має бути випадкове, необоротне відображення
    • Він повинен бути оборотним (бієктивним) і диференційованим
    • Він повинен зменшувати розмірність на кожному кроці
    • Це має бути дискретна таблиця пошуку
  2. Яка формула дозволяє нормалізуючим потокам обчислити точні ймовірності?
    • Функція softmax
    • Рівняння Беллмана
    • Правило Байєса застосовується до логітів
    • Формула заміни змінних з використанням визначника Якобі
  3. Чому такі потокові архітектури, як RealNVP і Glow, використовують шари зв’язку?
    • Щоб зробити якобіан трикутним, щоб його визначник було дешево обчислити
    • Зробити модель необоротною
    • Щоб усунути потребу в базовому розподілі
    • Для перетворення моделі 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. Яка сучасна техніка, що використовується в таких системах, як Stable Diffusion 3, виросла з ідей безперервного потоку?
    • Зворотне поширення в часі
    • Відповідність потоку (вивчення поля швидкості, яке передає шум до даних)
    • Токенізація
    • Променевий пошук
  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