实体
Erkan Turan
Erkan Turan
PulseAugur coverage of Erkan Turan — every cluster mentioning Erkan Turan across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新研究发现生成漂移本质上是分数匹配
一篇新论文提出，一种用于单步图像生成的“生成漂移”（Generative Drifting）方法，其本质上是一种分数匹配（score matching）。研究表明，在特定条件下，该技术中的漂移算子等同于计算平滑分布上的分数差异。这一见解有助于解释训练稳定所需的stop-gradient算子，并借鉴等离子体物理学的类比，提出了核选择和收敛速度的优化方法。
-
图神经网络理论通过受分岔启发的激活函数打破过平滑
研究人员为图神经网络（GNN）开发了一个新的理论框架，解决了过平滑问题，即在深度网络中节点特征变得无法区分。通过分岔理论的视角分析过平滑，他们发现用特定的函数替换标准的ReLU激活函数可以破坏同质状态的稳定性。这一理论突破导致了稳定的、非同质模式的出现，这些模式能够抵抗过平滑，并具有经过验证的模式幅度缩放定律和在网络初始化中的实际应用。
-
新论文统一生成流并使用Koopman算子
两篇新研究论文探讨了生成模型中的高级技术。第一篇论文将生成式Wasserstein流（GWF）引入为一个统一的框架，适用于各种生成模型，并扩展到新算法，阐明了与GAN的联系。第二篇论文提出使用Koopman算子来线性化连续归一化流，从而实现更快的采样和对生成过程的新分析见解。