Bài kiểm tra có liên kết hướng dẫn · Cứng Cấp độ
Bài kiểm tra mô hình dựa trên năng lượng
Áp dụng xác suất dựa trên năng lượng, hàm phân vùng và độ dốc điểm, bao gồm cả cách năng lượng tương đối xác định tỷ lệ phân phối chuẩn hóa.
Câu hỏi 1 của 8
Trong mô hình dựa trên năng lượng, năng lượng liên quan như thế nào đến xác suất của một điểm dữ liệu?
Xem trước mọi câu hỏi8 câu hỏi
Câu trả lời và giải thích xuất hiện khi bạn làm bài kiểm tra.
- Trong mô hình dựa trên năng lượng, năng lượng liên quan như thế nào đến xác suất của một điểm dữ liệu?
- Năng lượng cao có nghĩa là xác suất cao
- Năng lượng thấp có nghĩa là xác suất cao (p(x) tỷ lệ thuận với exp(-E(x)))
- Năng lượng và xác suất không liên quan
- Xác suất bằng năng lượng trực tiếp
- Điều gì khiến việc đào tạo các mô hình dựa trên năng lượng trở nên khó khăn?
- Hàm năng lượng không thể là một mạng lưới thần kinh
- Họ chỉ yêu cầu dữ liệu được dán nhãn
- Họ không thể đại diện cho hình ảnh
- Hàm phân vùng Z (bộ chuẩn hóa trên tất cả các đầu vào) thường khó tính toán
- Phương pháp lấy mẫu nào thường được sử dụng để lấy mẫu từ EBM?
- Động lực học Langevin (MCMC dựa trên độ dốc)
- Tìm kiếm tia
- Sắp xếp nhanh
- Một đường chuyền về phía trước
- Tại sao các phương pháp như so khớp điểm có thể tránh tính toán hàm phân vùng Z?
- Vì Z luôn bằng 1
- Bởi vì họ bỏ qua hàm năng lượng
- Vì gradient của log p(x) là -gradient của E(x), và Z (hằng số trong x) bị loại bỏ khi lấy đạo hàm
- Bởi vì chúng chỉ hoạt động trên dữ liệu rời rạc
- Mô hình nào sau đây là mô hình dựa trên năng lượng cổ điển?
- máy biến áp
- Cây quyết định
- Thuật toán k-mean
- Mạng Hopfield
- Đối với một hàm mật độ EBM khả vi có Z không đổi theo x, điểm số (score) của nó liên quan thế nào đến năng lượng?
- Điểm số bằng chính hàm phân hoạch
- Điểm số bằng gradient đầu vào âm của năng lượng
- Điểm số hoàn toàn bỏ qua năng lượng đã học
- Điểm số luôn là gradient năng lượng dương
- Một EBM thêm cùng một hằng số c vào mọi E(x). Điều gì xảy ra với các xác suất đã chuẩn hóa?
- Mọi xác suất đều tăng thêm c
- Tất cả các đầu vào trở nên có xác suất ngang nhau
- Chúng vẫn không thay đổi sau khi hàm phân vùng được điều chỉnh
- Bộ chuẩn hóa phải được đặt bằng không
- Đối với hai cấu hình có E(a) thấp hơn E(b), điều gì xảy ra theo cùng một mô hình Gibbs đã chuẩn hóa?
- Cấu hình a có xác suất lớn hơn b
- Cấu hình b có xác suất lớn hơn vì năng lượng của nó cao hơn
- Cả hai xác suất phải bằng đúng một
- Việc so sánh yêu cầu các hàm phân vùng khác nhau cho mỗi điểm