直播｜从统计学习出发，带你深入剖析生成模型
机器之心约 3 分钟分享摘要
本次分享聚焦于概率和统计原理在生成模型中的应用，通过由浅入深的方式探讨统计学习框架下不同生成模型之间的联系，包括基于分数（score）和流（flow）的生成模型等。分享将从基础概念入手，确保听众理解所需数学知识，在逐步进入关键理论的过程中提供直观解释。最后，基于对现有生成模型工作的深入剖析，分享提出有助于机器学习理论研究的指导建议，旨在为参与者提供实践意义。
Aapo Hyvärinen. "Estimation of non-normalized statistical models by scorematching." (2005)
https://jmlr.org/papers/volume6/hyvarinen05a/hyvarinen05a.pdf Sliced Score Matching (Song et al., 2019) https://arxiv.org/pdf/1905.07088
Denoising score matching (Vincent 2011) https://www.iro.umontreal.ca/~vincentp/Publications/smdae_techreport.pdf
Song Yang et al,. "Generative Modeling by Estimating Gradients of the Data Distribution." (2020). http://arxiv.org/abs/1907.05600
Stochastic Calculus (NYU Courant) https://math.nyu.edu/~goodman/teaching/StochCalc2022/StochasticCalculus.html
Song Yang et al,. "Score-Based Generative Modeling through Stochastic DiDerential Equations." (2021). http://arxiv.org/abs/1907.05600
Ricky T. Q. Chen et al,. "Neural Ordinary DiDerential Equations." (2018). http://arxiv.org/abs/1907.05600
Yaron Lipman et al,. "Flow Matching for Generative Modeling.(2023). http://arxiv.org/abs/1907.05600
Chen Xu et al,. “Normalizing flow neural networks by JKO scheme.” (2023) https://proceedings.neurips.cc/paper_files/paper/2023/file/93fce71def4e3cf418918805455d436f-Paper-Conference.pdf
直播时间：北京时间 1 月 21 日 10:00-11:30
直播预约：
本次直播设有 QA 环节，欢迎加入本次直播交流群探讨交流。