关键词data-generating distribution
搜索结果 - 3
- 关于去噪扩散概率模型的收敛性的注意事项
我们在这篇论文中,对扩散模型和数据生成分布之间的 Wasserstein 距离进行了定量上界的推导,该结果不依赖于数据生成分布的得分函数,并且适用于具有有界实例空间的任意数据生成分布,即使这些分布对勒贝格测度没有密度,而且上界不会受到指数依 - 最大偏离经验分布的保证最优生成建模
使用生成建模方法,本文提供了关于生成模型训练的理论洞察力,重点强调数据生成分布与训练数据生成分布之间的误差应随着样本量趋近无穷而趋近于零,并确保训练数据生成分布与任何复制训练数据样本的分布之间足够远。
- 连续世界中有限信息下贝叶斯推断的脆弱性
本文使用降维算法对贝叶斯灵敏度分析中的优化问题进行了探究,结果发现贝叶斯模型在精度固定的有限采样数据的基础上依然可能出现最大可能的预测误差,且学习和稳健性是有冲突的。该研究还探讨了在使用贝叶斯推断的连续世界中是否存在缺失的稳定性条件。