研究人员开发了一种新的基于能量的模型（EBM）训练算法，称为并行轨迹退火（PTT）。该方法解决了EBM中常见的马尔可夫链蒙特卡洛混合不佳的问题，从而实现了更可靠的生成建模，尤其适用于科学数据。PTT在整个学习过程中保持平衡采样，从而在复杂数据集上实现稳定高效的训练。实验表明，PTT的性能优于现有的EBM训练方法，甚至在离散表格数据上超越了最先进的深度生成模型，产生了更高质量的样本和更大的鲁棒性。 AI
影响 增强了科学数据生成模型训练的实用性和效率，有望改善数据稀缺领域的研究。
排序理由 详细介绍模型新训练算法的学术论文。 [lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- CatalyzeX Code Finder for Papers
- CORE Recommender
- DagsHub
- Energy Based Models
- Gotit.pub
- Hugging Face
- IArxiv Recommender
- Influence Flower
- Markov chain Monte Carlo
- Parallel Trajectory Tempering
- Persistent Contrastive Divergence
- Restricted Boltzmann Machines
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
