แบบจำลองเชิงกำเนิดที่ใช้คะแนน
แบบจำลองเชิงกำเนิดที่ใช้คะแนน (Score-Based Generative Model) ซึ่งนำเสนอโดย Yang Song และ Stefano Ermon ในปี 2019 และได้รับการขยายผลสู่กรอบการทำงานของสมการเชิงอนุพันธ์สุ่ม (Stochastic Differential Equation - SDE) ในปี 2021 เรียนรู้ค่าความชัน (gradient) ของความหนาแน่นข้อมูล หรือที่เรียกว่า 'คะแนน' (score) แทนที่จะทำนายสัญญาณรบกวนโดยตรง และใช้คะแนนนั้นในการสร้างตัวอย่างใหม่ เป็นการขยายผลทางคณิตศาสตร์ที่รวมแบบจำลองการแพร่ (diffusion models) เข้าไว้ภายใต้การกำหนดเวลาแบบต่อเนื่อง
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 1). Score-Based Generative Modeling through Stochastic Differential Equations. ScholarGate. https://scholargate.app/th/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.
- เครือข่าย Capsuleการเรียนรู้เชิงลึก↔ compare
- การเรียนรู้แบบเสริมกำลังเชิงลึกการเรียนรู้เชิงลึก↔ compare
- โครงข่ายประสาทเทียมเชิงอนุพันธ์สามัญ (Neural ODE)การเรียนรู้เชิงลึก↔ compare
- การวิเคราะห์องค์ประกอบหลักการเรียนรู้ของเครื่อง↔ compare
- ตัวเข้ารหัสอัตโนมัติแบบแปรผันการเรียนรู้เชิงลึก↔ compare