研究提出基于 tNTK 的生成模型主动学习方法
热点事件持续更新
研究提出基于 tNTK 的生成模型主动学习方法
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
Jayoung Ryu、Kyunghyun Cho 和 Romain Lopez 提出面向条件生成模型的 tNTK 主动学习方法，以预测分布对模型参数的敏感度衡量候选输入，并据此选择样本。 该方法将 tNTK 用作高斯过程的协方差函数，贪心选择能使候选池总后验方差最小的输入。研究指出，Wasserstein 测试风险同时包含分布均值和形状两部分。
AI 根据报道生成 · 1 小时前更新
最新进展10月28日 12:00
基于 Transport Neural Tangent Kernel 的条件生成模型主动学习报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv · Machine Learning基于 Transport Neural Tangent Kernel 的条件生成模型主动学习
研究提出 transport Neural Tangent Kernel（tNTK），衡量生成模型预测分布对参数的敏感度，并据此构建面向分布的主动学习策略。该方法将 tNTK 作为 GP 的协方差函数，贪心选择使候选池总后验方差最小的输入；研究指出 Wasserstein 测试风险包含均值项与形状项。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。