Machine learning

Генеративен модел, базиран на градиента (score-based generative model)

Генеративен модел, базиран на градиента (score-based generative model), въведен от Yang Song и Stefano Ermon през 2019 г. и обобщен във фреймуърк на стохастични диференциални уравнения (SDE) през 2021 г., изучава градиента на плътността на данните — градиента (score) — вместо директно да предсказва шум, и го използва за генериране на нови образци. Това е математическото обобщение, което обединява дифузионните модели в рамките на непрекъсната времева формулировка.

Отворете в MethodMindСкороВидеоСкороDownload slides

Прочетете целия метод

Само за членове

Влезте с безплатен профил, за да прочетете този раздел.

Вход

Method map

The neighbourhood of related methods — select a node to explore.

Източници

  1. Song, Y. & Ermon, S. (2019). Generative Modeling by Estimating Gradients of the Data Distribution. NeurIPS 32, 11895–11907. link
  2. Song, Y. et al. (2021). Score-Based Generative Modeling through Stochastic Differential Equations. ICLR. link

Как да цитирате тази страница

ScholarGate. (2026, June 1). Score-Based Generative Modeling through Stochastic Differential Equations. ScholarGate. https://scholargate.app/bg/deep-learning/score-based-diffusion

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

Цитиран в

ScholarGateScore-Based Generative Model (Score-Based Generative Modeling through Stochastic Differential Equations). Извлечено на 2026-06-15 от https://scholargate.app/bg/deep-learning/score-based-diffusion · Набор от данни: https://doi.org/10.5281/zenodo.20539026