เปรียบเทียบวิธี

	แบบจำลองการแพร่ (Diffusion Model)	การวิเคราะห์องค์ประกอบหลัก
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้ของเครื่อง
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2020	2002
ผู้ริเริ่ม	Ho, J., Jain, A. & Abbeel, P.	Jolliffe, I.T. (textbook); Pearson & Hotelling (origins)
ประเภท	Generative deep learning (denoising diffusion)	Unsupervised dimensionality reduction
แหล่งต้นตำรับ	Ho, J., Jain, A. & Abbeel, P. (2020). Denoising Diffusion Probabilistic Models. NeurIPS.	Jolliffe, I.T. (2002). Principal Component Analysis (2nd ed.). Springer.
ชื่อเรียกอื่น	Difüzyon Modeli (DDPM / Stable Diffusion), difüzyon modeli, denoising diffusion model, DDPM	Temel Bileşenler Analizi (PCA), PCA, principal components analysis, Karhunen-Loève transform
ที่เกี่ยวข้อง	4	3
สรุป	A diffusion model is a generative deep-learning method, introduced by Ho, Jain and Abbeel in 2020 (DDPM), that learns to produce high-quality images, audio and molecular structures by reversing a step-by-step noising process. It has largely displaced GANs as the current state of the art in generative modelling.	Principal Component Analysis (PCA) is an unsupervised dimensionality-reduction method — given its modern textbook treatment by Ian Jolliffe (2002) — that compresses high-dimensional data into fewer dimensions while preserving the maximum possible variance. It re-expresses correlated variables as a small set of uncorrelated principal components ordered by how much of the data's variation each one captures.