清华大学《机器学习》ppt课件 18-深度生成模型3.pptxVIP

下载本文档

1
0
约1.44千字
约 25页
2025-06-25 发布于贵州
举报
版权申诉

清华大学《机器学习》ppt课件 18-深度生成模型3.pptx

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

深度生成模型深度生成模型概述生成对抗网络（GAN）变分自编码器深度扩散模型归一化流模型

4.深度扩散模型扩散概率模型（DiffusionProbabilisticModels)简称扩散模型（隐变量模型）隐变量，与样本同维度样本

扩散模型描述?参数化的Markov链构成，由前向过程（扩散过程）和反向过程组成。?前向过程（扩散过程）通过逐渐加入噪声，将样本逐渐扩散为纯噪声分布（高斯噪声）?反向过程：从纯噪声分布出发，逐级重构样本，最后恢复样本?若扩散参数充分小，则前向过程和后向过程可具有相同概率分布类型，例如高斯（非平衡热力学）?可固定前向过程，训练后向过程的参数（用神经网络），训练结束后，