站内索引 / 课程与概念
搜索知识库
输入中文术语、英文别名、符号或 LaTeX。结果覆盖课程概念、正文、方程、实验、学习路径和资源，可按学科、主题、类型与难度筛选。
11 项
- concept
生成模型
学习数据联合分布或生成过程，使模型能够采样、补全、重建并估计不确定性。
machine-learning · generative-models · 难度 4 · 详细大纲 - concept
潜变量模型
引入不可直接观测的随机变量解释数据结构，并通过边缘化连接隐变量与观测。
machine-learning · generative-models · 难度 4 · 详细大纲 - concept
自编码器
用编码器压缩输入并由解码器重建，学习受瓶颈或正则约束的表示。
machine-learning · generative-models · 难度 3 · 详细大纲 - concept
变分自编码器
用可学习近似后验和重参数化梯度优化证据下界，形成连续潜在空间。
machine-learning · generative-models · 难度 5 · 详细大纲 - concept
生成对抗网络
让生成器与判别器进行极小极大博弈，以隐式方式逼近数据分布。
machine-learning · generative-models · 难度 5 · 详细大纲 - concept
扩散模型
学习逐步去除噪声的逆过程，从简单噪声分布生成高维数据样本。
machine-learning · generative-models · 难度 5 · 详细大纲 - concept
得分匹配
学习对数密度关于数据的梯度，避免显式计算归一化常数并连接去噪目标。
machine-learning · generative-models · 难度 5 · 详细大纲 - concept
归一化流
用可逆变换和 Jacobian 行列式把简单密度映射为复杂密度，同时保留精确似然。
machine-learning · generative-models · 难度 5 · 详细大纲 - concept
自回归生成模型
按变量顺序分解联合分布，通过逐步条件预测实现精确似然与序列采样。
machine-learning · generative-models · 难度 4 · 详细大纲 - concept
能量模型
以未归一化能量函数为数据赋分，并通过采样或对比方法学习低能量区域。
machine-learning · generative-models · 难度 5 · 详细大纲 - concept
二分类判别
将输入映射为两个类别的概率或得分，并用决策阈值和混淆矩阵评价结果。
machine-learning · generative-models · 难度 2 · 详细大纲