Apr, 2019

用于游戏关卡分析和进化的瓦片模式 KL 散度

PDF
TL;DR本文研究了使用 Kullback-Leibler（KL）散度作为比较和分析游戏关卡的方法，并将其作为进化算法的目标函数来演化新的关卡，使用不同大小的图块作为特征，提出了一种新型的卷积变异算子，与使用生成对抗网络的潜在空间和波函数坍塌等生成器进行了比较。结果表明，该方法具有竞争性能，训练速度快，生成速度合理，能够提供合理质量的结果。
kullback-leibler divergenceevolutionary algorithmlevel generationconvolutional mutation operatorgenerative adversarial networks
发现论文，激发创造
  • 利用 KL - 散度聚焦于深度视觉解释

    本文介绍了一种解释深度卷积神经网络图像分类预测的方法，使用 Kullback-Leibler 散度来提供参数最相关的关注点，帮助理解和解释深度网络的预测，在此基础上评估了两种常见网络的表现。

    Nov, 2017

  • 合成表格数据验证：一种基于差异的方法

    通过使用发散估计来构建考虑真实数据和合成数据的联合分布的验证指标，本研究在多个领域中使用生成模型的不断增加突出了评估真实数据和合成数据之间相似性的健壮且标准化的验证指标的需求。通过使用概率分类器来近似数据集之间的密度比率，我们特别计算了两种发散：著名的 Kullback-Leibler (KL) 发散和 Jensen-Shannon (JS) 发散。

    May, 2024

  • 机器学习中的创新和词汇使用模式

    本研究深入研究了机器学习研究演变的动态景观，利用隐狄利克雷分配方法识别了在机器学习领域中出现的关键主题和基本概念，通过综合分析追踪了这些主题的演化轨迹，并利用 Kullback-Leibler 散度度量方法量化研究贡献的新颖性和多样性，从而了解杰出研究人员的关键作用以及机器学习领域特定学术场所的重要性。

    Nov, 2023

  • 使用 Kullback-Leibler 散度跟踪变化的连续学习

    介绍了一种利用 Kullback-Leibler 散度来监控多维数据流概率分布变化，以预测概念漂移事件并了解其本质的新方法，并探讨了其在预测维护等实际任务中的应用。

    Oct, 2022

  • 对大型语言模型的知识蒸馏中库尔巴克 - 莱布勒散度的重新思考

    通过实证和理论证明，逆向 Kullback-Leiber（RKL）分散度在大语言模型知识蒸馏中并非寻找模式而是均值寻找，与前向 Kullback-Leiber（FKL）优化目标相同，经过足够多的迭代后二者收敛。基于实践约束，提出了一种简单而有效的自适应 Kullback-Leiber（AKL）分散度方法，可以根据情况分配权重来结合 FKL 和 RKL，根据评估结果显示，该方法在多个任务上优于基准，并提高生成回答的多样性和质量。

    Apr, 2024

  • 关于干预型 Kullback-Leibler 散度

    这篇研究论文介绍了一种新的方法，即干预 Kullback-Leibler（IKL）离散度，来量化因果模型之间的结构和分布差异，以提高在动态环境下的智能代理的转移知识能力。

    Feb, 2023

  • 小波包功率谱 Kullback-Leibler 散度：图像合成的新度量

    我们提出一种新的基于频带的质量度量方法，改进了针对生成神经网络的现有指标，能够准确衡量频率信息，并通过 Broad Data Sets 对生成网络的质量进行验证，用户研究表明该方法与人类感知一致，同时频带指导能够提高当前生成网络的频域保真度。

    Dec, 2023

  • 面向程序生成视频游戏关卡的客观指标

    本研究提出两种基于模拟的评估指标来测量生成游戏关卡的多样性和难度，并证明了该多样性指标比当前方法更稳健，并且能够直接影响可玩性因素，而难度指标则具有一定的相关性，为了推动可再生性，我们公开发布了我们的评估框架。

    Jan, 2022

  • Kullback-Leibler Divergence 在 CMB 地图统计特性估计中的应用

    本文提出了基于 Kullback-Leibler（KL）散度度量宇宙微波背景大尺度数据的非高斯噪声成分分布，通过分析 Planck 2013 SMICA 温度涨落图，证明 KL 散度是一种非常有效的非参数测量方法，并与 Kolmogorov-Smirnov 测试结果做了对比。

    Jun, 2015

  • 利用深度卷积生成对抗网络的潜在空间演化马里奥关卡

    本论文使用对抗生成网络 (GANs) 和协方差矩阵自适应进化策略 (CMA-ES) 生成了大量类似原始语料库中的 Super Mario Bros 的电子游戏层级，并使用各种适应性函数发现了专家所设计示例空间内存在的层级，并引导搜索满足一个或多个指定目标的层级。

    May, 2018