★ 3
FB-GDM:全贝叶斯引导扩散模型求解线性逆问题
论文提出FB-GDM全贝叶斯引导扩散方法,从ΠGDM的高斯近似出发推导闭式条件分数,将两个精度参数作为隐变量在每步反向过程中用变分推断估计,无需噪声水平或真值标定。在CelebA-HQ逆问题上比名义设置的ΠGDM最高优14dB,接近真值标定的oracle,并在算子、噪声或图像分布变化时保持稳健、不…
arXiv cs.LG38 天前
共 5 篇相关资讯,按重要度与时间排序,每 3 小时更新。
论文提出FB-GDM全贝叶斯引导扩散方法,从ΠGDM的高斯近似出发推导闭式条件分数,将两个精度参数作为隐变量在每步反向过程中用变分推断估计,无需噪声水平或真值标定。在CelebA-HQ逆问题上比名义设置的ΠGDM最高优14dB,接近真值标定的oracle,并在算子、噪声或图像分布变化时保持稳健、不…
论文研究信息瓶颈(IB)中表征学习与码率控制能否解耦。作者证明在高斯数据下 IB 解可分解为与 β 无关的方向矩阵 W 和标量增益,并将该结论推广到非高斯情形,用充分性亏空 ε_F 刻画分离误差。在 MNIST、SVHN、CIFAR-10、STL-10 上,冻结 CNN 表征加每预算一个压缩器-解…
论文提出在主动推理框架下通过变分消息传递进行参数学习,解决均值场分解导致信息增益消失的问题。作者为每个因子引入独立参数先验,在网格 POMDP 实验中实现边规划边学习模型参数,每回合均能到达目标。
论文提出 PR-Smoother,一种面向指定模拟器数据同化场景的摊销平滑器,在证据下界与变分族中显式保留模拟器,仅学习围绕预设轨迹的未来条件修正。该方法可产生显式非高斯平滑分布,并支持仅从观测中联合学习状态、参数与传感器偏差。实验在 Lorenz-96 与 16384 维 Kolmogorov …
论文构建按观测与目标情境接近度加权的局部后验族,用高斯局部化权重纳入情境不确定性,并以条件归一化流做摊销变分推断。在 Branin-Hoo 双实验与单柱海洋模型 k-ε 湍流闭合应用中,局部后验校准相比确定性校准与全局后验校准降低了温度与纬向速度误差。