![]() |
![]() |
![]() |
![]() |
Улучшение диффузионного моделирования за счет обучаемого прямого процесса |
|
МЕНЮ Главная страница Поиск Регистрация на сайте Помощь проекту Архив новостей ТЕМЫ Новости ИИ Голосовой помощник Разработка ИИГородские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Искусственный интеллект Слежка за людьми Угроза ИИ ИИ теория Внедрение ИИКомпьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Нейронные сети начинающим Психология ИИ Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Распознавание лиц Распознавание образов Распознавание речи Творчество ИИ Техническое зрение Чат-боты Авторизация |
2024-07-03 12:25 Традиционные модели диффузии используют фиксированный прямой процесс, что усложняет обучение обратного процесса и приводит к дорогому выводу. NFDM решает эти проблемы, поддерживая более широкий спектр прямых процессов и предлагая новый метод параметризации. Структура обеспечивает оптимизацию без симуляций, минимизируя вариационную верхнюю границу на отрицательное логарифмическое правдоподобие. Эксперименты показывают высокую производительность NFDM и её способность к обучению генеративной динамики, включая детерминированные траектории, а также обучению мостам между распределениями. https://arxiv.org/abs/2404.12940 Источник: arxiv.org Комментарии: |
|