ScholarGate
Avustaja
Machine learning

Generatiivinen pistemalli

Generatiivinen pistemalli, jonka Yang Song ja Stefano Ermon esittelivät vuonna 2019 ja yleistivät stokastisten differentiaaliyhtälöiden (SDE) viitekehykseen vuonna 2021, oppii datatiheyden gradientin – eli pistemäärän – sen sijaan, että ennustaisi kohinaa suoraan, ja käyttää sitä uusien näytteiden generoimiseen. Se on matemaattinen yleistys, joka yhdistää diffuusiomallit jatkuva-aikaisessa muodossa.

Avaa sovelluksessa MethodMindTulossaVideoTulossaDownload slides

Lue koko menetelmä

Vain jäsenille

Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.

Kirjaudu sisään

Method map

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

Lähteet

  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

Näin viittaat tähän sivuun

ScholarGate. (2026, June 1). Score-Based Generative Modeling through Stochastic Differential Equations. ScholarGate. https://scholargate.app/fi/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

Tähän viittaavat

ScholarGateScore-Based Generative Model (Score-Based Generative Modeling through Stochastic Differential Equations). Haettu 2026-06-15 osoitteesta https://scholargate.app/fi/deep-learning/score-based-diffusion · Aineisto: https://doi.org/10.5281/zenodo.20539026