- 多维高斯过程状态空间模型的高效建模与推断
高斯过程状态空间模型(GPSSM)中引入了高效变换的高斯过程(ETGP)以及归一化流来有效地建模高维潜在状态空间中的转换函数,从而提高了模型的计算效率。此外,我们还开发了相应的变分推断算法,通过数量和计算复杂性的比较,优于现有方法。实验结果 - 使用标准化流计算分子的激发态
我们提出了一种新的非线性变分框架,用于同时计算量子系统的基态和激发态。通过使用归一化流将基函数的线性空间进行扩充和优化的方法,我们展示了该方法在计算三原子 H2S 分子的多个振动态以及典型单电子系统(如氢原子、分子氢离子和碳原子)的基态和几 - MSFlow: 无监督异常检测的多尺度流式框架
无监督异常检测中,使用没有任何异常信息的仅限正常样本进行训练的流模型,能够有效地区分可预测和不可预测的异常数据,而针对不同大小变化的异常数据,我们提出了一种名为 MSFlow 的新型多尺度流模型框架,能够在图像级别和像素级别进行异常检测和定 - 使用数据流形上的标准化流进行外分布检测
使用低维流形的测度和距离作为离群检测的标准,实验结果表明流形学习改善了归一化流这一类基于似然模型的离群检测能力,而无需修改模型结构或使用训练期间的辅助离群数据。
- 训练计算密集型目标概率分布的正则化流
机器学习技术特别是所谓的标准化流在蒙特卡洛模拟中变得越来越受欢迎,因为它们可以有效地逼近目标概率分布。在格点场论中,目标分布由作用的指数给出。我们提出了一种基于 REINFORCE 算法的标准化流估计器,避免了相关的计算问题,应用于临界维度 - 正则流与扩散模型在文本转语音中的韵律和声学建模的比较
神经语音合成系统通常以 L1/L2 损失为优化目标,本研究比较了传统的基于 L1/L2 的方法与扩散和流模型在语音合成中的效果,并发现流模型在音谱图预测方面表现最佳,同时扩散和流模型在韵律预测方面也显著优于典型的 L2 训练模型。
- DiffFlow:基于评分扩散模型和生成对抗网络的统一 SDE 框架
建议了一个统一理论框架,将基于得分的扩散模型和生成对抗网络合并起来,提出了一个名为 “鉴别器去噪扩散流” 的新 SDE,通过调整不同得分项之间的相对权重,可以在 SDMs 和 GANs 之间实现平滑转换,同时保持边际分布不变,提供了新的算法 - 基于密度的规划学习和标准化流算法的自省式机器人组装
该研究提出了一种利用正常流方法进行密度可行性学习的机器学习模型,该方法仅需要可行的例子,并在机器人组装应用案例中表现出比其他基线模型更好的性能。
- 等变流匹配
本文提出了一种新的训练目标 equivariant flow matching,该方法是基于最近提出的 optimal transport flow matching,利用目标能量的对称性来对称等变 CNFs 进行高效的仿真 - free - 深度贝叶斯实验设计用于量子多体系统
该论文讨论了如何使用贝叶斯实验设计方法和深度神经网络来确定量子技术平台特征,以及如何使用这种方法进行量子模拟和计算。
- 因果规范流:从理论到实践
本研究探讨使用归一化流进行因果推理,在实验证明了基于归一化流的原因模型可以回答干预和反事实问题。
- 神经 ODE 流的增强结构改进分布建模
本文提出了 AFFJORD,一种基于神经 ODE 的归一化流,通过定义保留空间拓扑特殊增广变换动力学,增强了 FFJORD 的表示能力,并通过广义连锁法将增广形式的 Jacobian 行列式推广到连续情况下,给出了一个神经 ODE 变换 J - 自适应流抽样平衡训练能量函数模型
本研究提出一种新的最大似然训练算法,使用正规化流(NF)来提高能量基模型(EBMs)的采样效率及精度。
- ICMLGC-Flow: 一种基于图结构的流网络用于有效聚类
该论文介绍了一种替代 GCN 层的归一化流模型,命名为 GC-Flow。该模型在保持 GCN 的预测准确性的同时,通过高斯混合表示空间结构化,产生了良好分离的聚类效果。
- 可扩展仿真推断的流匹配
提出了流匹配后验概率估计(FMPE)方法,使用连续正则化流实现了基于模拟的推断任务,较于离散流,在保持精度的情况下,提供了更高的灵活性和可伸缩性。在模拟数据集上取得了有竞争力的性能,而在重力波推断任务中,FMPE 方法的训练速度比离散流方法 - 因果组成分析
介绍了一个名为 Causal Component Analysis 的问题,它可以作为 Independent Component Analysis 方法以及 Causal Representation Learning 方法的一个泛化,专 - 等压等温流法计算吉布斯自由能
本文提出了一种基于正则流的机器学习模型,旨在从等温等压(NPT)集合中进行采样。通过对完全灵活的三斜晶模拟盒和粒子坐标的联合分布的近似来实现所需的内部压力。将该模型在立方冰和六角冰相的单原子水上进行测试,发现与已有基线相比,Gibbs 自由 - 在潜空间中使用 Langevin 动态对正规化流采样
本文提出了一种新的马尔可夫蒙特卡罗算法来应对标准归一化流在复杂分布上可能出现的病态问题,并将其与传统方法进行了比较,结果表明该方法不需要专门的训练,并且可以简单地与任何预先经过训练的 NF 网络结构一起使用。
- 归纳式 CaloFlow
iCaloFlow 是一种基于归纳序列正规化流的快速探测器模拟框架,使用教师 - 学生蒸馏来提高采样速度。它能够在~10-100 倍于之前考虑的探测器几何形状的高精度模拟中发挥正规化流的潜力。
- 通过标准化流和相关分析改进多模态联合变分自编码器
本文介绍了一种新的多模态变分自编码器,它可以从联合分布中生成或有条件地生成任意数量的复杂模态。该方法使用深度典型相关性分析嵌入,条件化单模态后验分布,从而可以跨模态生成产生更一致性的结果。此外,本文使用正则化流准确表达单模态后验分布,实现更