会员服务
在机器学习中，生成模型可以用来直接对数据建模（例如根据某个变量的概率密度函数进行数据采样），也可以用来建立变量间的条件概率分布。条件概率分布可以由生成模型根据贝叶斯定理形成。

精品内容

【牛津大学博士论文】基于评分规则的生成模型统计推断, 274页pdf
【牛津大学博士论文】基于评分规则的生成模型统计推断, 274页pdf
专知会员服务
36+阅读 · 7月5日
【伯克利博士论文】基于生成模型的图像和长视频合成，114页pdf
【伯克利博士论文】基于生成模型的图像和长视频合成，114页pdf
专知会员服务
43+阅读 · 5月18日
【MIT麻省理工ICLR2023】用扩散生成模型加速药物发现
【MIT麻省理工ICLR2023】用扩散生成模型加速药物发现
专知会员服务
19+阅读 · 4月1日
【港科大博士论文】生成模型的统计和结构特性，338页pdf
【港科大博士论文】生成模型的统计和结构特性，338页pdf
专知会员服务
41+阅读 · 2022年12月20日
【斯坦福博士论文】生成模型中深度概率推理的扩展与应用，262页pdf
【斯坦福博士论文】生成模型中深度概率推理的扩展与应用，262页pdf
专知会员服务
55+阅读 · 2022年11月30日
视觉的有效扩散模型综述
视觉的有效扩散模型综述
专知会员服务
76+阅读 · 2022年10月20日
【AI与军事】《有限数据下的深度学习：一种合成方法》最新53页技术报告
【AI与军事】《有限数据下的深度学习：一种合成方法》最新53页技术报告
专知会员服务
66+阅读 · 2022年7月5日
【NUS-Xavier教授】生成模型VAE与GAN，69页ppt
【NUS-Xavier教授】生成模型VAE与GAN，69页ppt
专知会员服务
63+阅读 · 2022年4月6日
【CVPR 2022】paper解读——从头盔信号中解析生成3D姿势，这为AR/VR创造可信虚拟形象迈出了重要一步，FLAG: Flow-based 3D Avatar Generation from Sparse Observations
【CVPR 2022】paper解读——从头盔信号中解析生成3D姿势，这为AR/VR创造可信虚拟形象迈出了重要一步，FLAG: Flow-based 3D Avatar Generation from Sparse Observations
专知会员服务
17+阅读 · 2022年3月6日
神经风格迁移模型综述
专知会员服务
31+阅读 · 2021年10月8日
【ICML2021】反事实生成模型的语言
专知会员服务
16+阅读 · 2021年9月17日
零样本图像分类综述
专知会员服务
49+阅读 · 2021年5月15日
基于生成模型的闲聊机器人自动评价方法综述
专知会员服务
32+阅读 · 2021年4月18日
自监督学习最新研究进展
自监督学习最新研究进展
专知会员服务
73+阅读 · 2021年3月24日
生成对抗网络及其在图像生成中的应用研究综述
专知会员服务
89+阅读 · 2021年2月6日
参考链接
父主题
机器学习
数据挖掘
微信扫码咨询专知VIP会员
Top