★ 3
新方法在学得数据流形上实现连续时间生成
该论文提出将时间相关数据的生成建模从离散时间网格转为学习数据流形上的连续时间演化。方法利用预训练分数模型作为几何先验,学习沿分数诱导插值路径演化的向量场,从而支持任意时间戳生成与时间超分辨率。研究在自然视频、PDE时空场和分子动力学等任务上验证了有效性。
arXiv cs.LG46 天前
共 4 篇相关资讯,按重要度与时间排序,每 3 小时更新。
该论文提出将时间相关数据的生成建模从离散时间网格转为学习数据流形上的连续时间演化。方法利用预训练分数模型作为几何先验,学习沿分数诱导插值路径演化的向量场,从而支持任意时间戳生成与时间超分辨率。研究在自然视频、PDE时空场和分子动力学等任务上验证了有效性。
论文提出STOCHLOB,一种仅训练阶段的分数匹配框架,用跳跃-列维噪声和截断α稳定噪声替代布朗高斯扰动,以适配限价订单簿的重尾、突发性订单流。在Coinbase LOB数据上,该方法在未污染测试窗口保持竞争力,并改善尾部压力诊断。
论文研究具有秩约束非线性项与线性跳连的分数网络在去噪分数匹配中的泛化行为,通过随机特征模型分析最优秩约束估计器。研究给出渐近精确的训练与测试误差刻画,识别出区分经验拟合与总体精度的特征模态,并解释秩约束如何正则化分数估计。
离群样本对算法压力测试与理解罕见系统行为很重要,但现有生成方法很少显式控制似然。作者提出基于对数似然分布的测度论离群定义,保证以可指定幅度向低似然事件分配更高概率质量。通过似然重加权修改扩散分数,无需重训扩散模型即可获得更新后的分数函数,实验实现可控的低似然样本生成。