arXiv cs.LG· Angxiu Ni·· 16 小时前AI 评分30
基于可训练扩散与密度损失的生成式 SDE
Generative SDEs with Trainable Diffusion and Density-Based Losses
AI 导读
散度核方法通过直接依赖终端密度的损失函数，实现了对神经 SDE 漂移场、扩散场及初始高斯分布的联合优化。在 2 维和 8 维高斯混合实验中，该方法学习了非时变场，在相近参数量下产生的偏离模态样本远少于基于得分的生成器。漂移项负责将样本吸引至各模态，扩散项则有助于分散模态间多余的概率。
来源：arXiv cs.LG · arxiv.org