雪色冥茫-CSDN博客

原创论文笔记：CSDI: Conditional Score-based Diffusion Models for Probabilistic Time Series Imputation

条件扩散模型的逆过程pθx0co（不同于现有的基于分数的扩散模型，允许模型利用观测值中的信息进行去噪），从图上最左边的随机噪声开始填充，逐步将噪声转化为似真的时间序列。在每一步t中，逆过程从上一步（即t1）的输出中去除噪声。图中每个方框里的虚线表示观测值，实线表示生成的填充，观测值不包含在每个xtta中。训练条件扩散模型需要。但在实际应用中，我们并，或者训练数据可能根本不包含缺失值。受屏蔽语言建模的启发，作者开发了。

2023-08-10 17:16:45 1716 1

原创论文笔记：DiffWave: A Versatile Diffusion Model for Audio Synthesis

以往的波形模型大多着眼于带有信息的局部调节器的音频合成任务，只有很少的一部分关注无条件生成；自回归模型（例如 WaveNet）倾向于在无条件情况下生成人造的类似单词的声音或劣质样本。扩散模型可以用一个没有可学习参数的扩散(加噪)过程从训练数据中获得"白化"的潜变量。因此，在训练中不需要引入额外的神经网络。这避免了由两个网络联合训练而产生的具有挑战性的"后向崩溃"或"模式崩溃"问题。

2023-08-10 16:50:14 1731 3

原创论文笔记：Adaptive Graph Spatial-Temporal Transformer Network for Traffic Flow Forecasting

自注意力的思想是通过使用相应的查询键对查询其他token来更新每个令牌自己的值在该论文中中，作者提出了一种新的模型，称为ASTNN，用于交通预测的图结构时空建模。ASTNN是由堆叠的ST-Attention Block构建的，用于同时建模空间和时间相关性。作者使用局部多头自注意（L-MSA）来有效地计算时空图上的关注。此外，为了探索真实的空间相关性并提高局部时空注意力的性能，还引入了可学习自适应图，该图可以帮助目标节点选择相关节点进行关注。

2022-11-26 18:46:58 3165 2

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

原创 论文笔记：CSDI: Conditional Score-based Diffusion Models for Probabilistic Time Series Imputation

原创 论文笔记：DiffWave: A Versatile Diffusion Model for Audio Synthesis

原创 论文笔记：Adaptive Graph Spatial-Temporal Transformer Network for Traffic Flow Forecasting

空空如也

空空如也

原创论文笔记：CSDI: Conditional Score-based Diffusion Models for Probabilistic Time Series Imputation

原创论文笔记：DiffWave: A Versatile Diffusion Model for Audio Synthesis

原创论文笔记：Adaptive Graph Spatial-Temporal Transformer Network for Traffic Flow Forecasting