arXiv 机器学习· Angxiu Ni·2026-11-02 13:00· 9 小时前AI 评分30

具有可训练扩散项与基于密度损失的生成式 SDE 研究

Generative SDEs with Trainable Diffusion and Density-Based Losses

AI 导读

研究提出一种散度核方法，利用直接依赖终端密度的损失函数，联合优化神经 SDE 的漂移项、扩散场及初始高斯分布。在 2 维和 8 维高斯混合实验中，该方法学习了时间无关场，在相似参数量下生成的模式外样本远少于基于得分的生成器。其漂移项负责将样本吸引至各模式，扩散项则有助于在模式间分散多余概率。

来源：arXiv 机器学习 · arxiv.org