实体
conditional generative models
conditional generative models
PulseAugur coverage of conditional generative models — every cluster mentioning conditional generative models across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新的传输神经切线核增强了生成模型的活动学习
研究人员为条件生成模型开发了一个新的活动学习框架，解决了现有方法仅关注标量或向量值输出的局限性。所提出的传输神经切线核（tNTK）能够捕捉预测分布的均值和形状，这与传统的基于均值的活动学习不同。该核对于仿射高斯传输具有封闭形式的表达式，并且具有可处理的蒙特卡洛估计量，从而实现了面向分布的活动学习策略。在各种条件生成模型和数据集（包括意图标记的句子和单细胞扰动响应）上的实验表明，tNTK 的性能优于基线方法。
-
新的MoEMA框架优化条件生成模型平均
研究人员推出了一种新颖的条件生成模型平均框架MoEMA，旨在通过组合多个生成器来提高性能。该方法允许在密度不可处理的情况下集成模型，利用基于样本的最大均值差异。MoEMA通过softmax神经网络门控根据输入条件调整权重，在表格、图像和文本等各种数据模态中均取得了改进的结果。