引导式测验 · 硬 等级

基于能量的模型测验

应用基于能量的概率、分配函数和得分梯度，包括相对能量如何确定归一化分布比率。

相关引导路径基于能量的模型
问题 1 的 8

在基于能量的模型中，能量与数据点的概率有何关系？

预览每个问题8 问题

当您参加测验时，就会出现答案和解释。

  1. 在基于能量的模型中，能量与数据点的概率有何关系？
    • 高能量意味着高概率
    • 低能量意味着高概率（p(x) 与 exp(-E(x)) 成正比）
    • 能量和概率无关
    • 概率直接等于能量
  2. 是什么让训练基于能量的模型变得困难？
    • 能量函数不能是神经网络
    • 他们只需要标记数据
    • 它们不能代表图像
    • 配分函数 Z（所有输入的归一化器）通常难以计算
  3. 通常使用哪种采样方法从 EBM 中抽取样本？
    • Langevin 动力学（基于梯度的 MCMC）
    • 集束搜索
    • 快速排序
    • 单次前传
  4. 为什么像分数匹配这样的方法可以避免计算配分函数Z？
    • 因为Z总是等于1
    • 因为他们忽略了能量函数
    • 因为log p(x)的梯度是E(x)的-梯度，并且Z（x中的常数）在微分时丢失
    • 因为它们只适用于离散数据
  5. 以下哪一个是经典的基于能量的模型？
    • 变形金刚
    • 决策树
    • k 均值算法
    • 霍普菲尔德网络
  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