arXiv · ML· Angxiu Ni·· 4 小时前AI 评分26
Generative SDEs 与可训练扩散及基于密度损失
Generative SDEs with Trainable Diffusion and Density-Based Losses
AI 导读
研究者提出一种 divergence-kernel 方法，联合优化 neural SDE 的 drift 和 diffusion 场及初始高斯分布。 在 2 维和 8 维 Gaussian-mixture 实验中，时间无关场学习使得远少于 off-mode samples，drift 吸引样本趋向 modes，diffusion 分散 excess probability。
来源：arXiv · ML · arxiv.org