A09 / advanced

生成模型

生成模型围绕第一编 似然与潜变量、第二编 隐式与可逆生成、第三编 扩散模型与综合复习建立连续章节顺序。

结构
3 编 · 6
适合读者
适合完成相关本科基础课程、需要进入高级理论与计算方法的读者。
开始本册

BEFORE READING

先修与记号

本册对象

统一自回归、潜变量、对抗、流和扩散模型的概率建模视角。

先修教材

符号约定

  • 本册在首次使用时定义生成模型专用符号,并区分标量、向量、算子与单位。
  • 同一符号出现多种约定时明确命名空间、假设和适用章节。

CONTENTS

完整目录

PART 01

第一编 似然与潜变量

第一编 似然与潜变量组织自回归生成与序列似然、变分自编码器与证据下界,形成连续的学习单元。

  1. 01

    自回归生成与序列似然

    按变量顺序分解联合分布,计算教师强制下的精确似然,并比较采样顺序、暴露偏差和生成成本。

    阅读本章
  2. 02

    变分自编码器与证据下界

    从边缘似然推导证据下界和重参数化梯度,解释重建项、KL 项、后验塌缩与潜空间插值。

    阅读本章
PART 02

第二编 隐式与可逆生成

第二编 隐式与可逆生成组织生成对抗网络与散度最小化、正规化流与可逆变换,形成连续的学习单元。

  1. 03

    生成对抗网络与散度最小化

    把生成器和判别器写成极小极大博弈,分析散度、模式崩溃、梯度饱和与对抗训练评价。

    阅读本章
  2. 04

    正规化流与可逆变换

    用变量替换公式组合可逆映射和 Jacobian 行列式,在精确似然、采样效率与架构约束之间权衡。

    阅读本章
PART 03

第三编 扩散模型与综合复习

第三编 扩散模型与综合复习组织得分匹配、扩散过程与反向采样、生成质量、覆盖与生成模型综合复习,形成连续的学习单元。

  1. 05

    得分匹配、扩散过程与反向采样

    由逐步加噪过程构造去噪训练目标,连接噪声预测与得分匹配,并比较反向采样步数和误差。

    阅读本章
  2. 06

    生成质量、覆盖与生成模型综合复习

    统一比较自回归、VAE、GAN、流和扩散的似然、样本质量、覆盖、推理代价与可验证边界。

    阅读本章

综合练习

  • 每章安排定义辨析、推导计算和结果核验练习。
  • 本册末章安排跨 Part 综合题,并保留可复算的解题检查点。

相关教材