两篇最新的 arXiv 论文探讨了使用生成模型来增强复杂概率分布中采样技术的应用。第一篇论文介绍了一种面向 Lévy 驱动生成模型的生成器引导逆采样方法,将逆过程分解为扩散、小跳跃和大跳跃分量,以提高可解释性和可控性。第二篇论文回顾了使用生成模型(如归一化流和扩散模型)辅助蒙特卡洛采样的兴起范式,特别适用于高维和多模态分布,为物理学和机器学习研究人员提供了教程。 AI
影响 这些论文提出了提高复杂系统采样效率的新方法,可能对贝叶斯推断和分子模拟等领域产生影响。
排序理由 两篇发表在 arXiv 上的学术论文,讨论了生成模型在采样技术中的新应用。
- arXiv
- Bayesian inference
- Diffusion Models
- machine learning
- Markov chain Monte Carlo
- Molecular Simulation
- Normalizing Flows
- statistical physics
- Lévy-driven generative models
- Markov generators
- Monte Carlo sampling
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →