本周為TechBeat人工智能社區(qū)第293期線上Talk，這也是ICLR 2021系列Talk第④期。北京時(shí)間4月13日(周二)晚8點(diǎn)，ICLR'21杰出論文獎(jiǎng)一作、斯坦福大學(xué)在讀博士—宋飏的Talk將準(zhǔn)時(shí)在TechBeat人工智能社區(qū)開(kāi)播！

他與大家分享的主題是: “基于梯度估計(jì)的生成式模型”，屆時(shí)將針對(duì)ICLR?2021 Outstanding?Paper Award《Score-Based Generative Modeling through Stochastic Differential Equations》(Oral)?做出詳細(xì)介紹。

宋飏本人也是極為優(yōu)秀，16歲通過(guò)領(lǐng)軍計(jì)劃進(jìn)入清華，曾跟隨朱軍等團(tuán)隊(duì)進(jìn)行研究工作，物理系畢業(yè)后他進(jìn)入斯坦福大學(xué)攻讀博士，師從Stefano Ermon。

Talk·信息

▼

主題：基于梯度估計(jì)的生成式模型

嘉賓：斯坦福大學(xué)計(jì)算機(jī)系

在讀博士生?宋飏

時(shí)間：北京時(shí)間?4月13日 (周二) 20:00

地點(diǎn)：TechBeat人工智能社區(qū)

http://www.techbeat.net/

完整版怎么看？

掃描下方二維碼，或復(fù)制鏈接 https://datayi.cn/w/nPNwv77o 至瀏覽器，一鍵完成預(yù)約！上線后會(huì)在第一時(shí)間收到通知哦~

Talk·提綱

▼

隨著深度學(xué)習(xí)技術(shù)的進(jìn)步，生成式模型已經(jīng)可以產(chǎn)生以假亂真的圖片，音頻，甚至自然語(yǔ)言對(duì)話。然而，現(xiàn)有的生成式模型仍然存在著眾多的問(wèn)題，包括訓(xùn)練的不穩(wěn)定性，以及存在網(wǎng)絡(luò)結(jié)構(gòu)的限制等等。本次分享將介紹一種從不同角度出發(fā)的全新生成式模型來(lái)解決前述問(wèn)題。本次分享的主要內(nèi)容如下：1. 第一部分將介紹如何從一個(gè)給定的數(shù)據(jù)集估計(jì)其背后的概率分布所對(duì)應(yīng)的梯度函數(shù) (UAI 2019)。我們將會(huì)討論梯度函數(shù)相對(duì)于概率分布函數(shù)的優(yōu)越性。2. 第二部分將專注于如何從概率分布梯度函數(shù)中獲得源源不斷的數(shù)據(jù)樣本（NeurIPS 2019, NeurIPS 2020）。我們將會(huì)重點(diǎn)討論數(shù)據(jù)噪聲和梯度估計(jì)之間的關(guān)聯(lián)，并指出如何利用這種關(guān)聯(lián)來(lái)大幅提升樣本質(zhì)量。

3. 第三部分將用隨機(jī)微分方程推廣第二部分中的方法（ICLR 2021 Oral），并專注于隨機(jī)微分方程所帶來(lái)的一系列特殊優(yōu)勢(shì)，包括似然函數(shù)計(jì)算，樣本生成過(guò)程的靈活控制，以及反問(wèn)題求解等等。

Talk·參考資料

▼

這是本次分享中將會(huì)提及的資料，建議提前預(yù)習(xí)哦！

《Sliced Score Matching: A Scalable Approach to Density and Score Estimation》

https://arxiv.org/abs/1905.07088

《Generative Modeling by Estimating Gradients of the Data Distribution》

https://arxiv.org/abs/1907.05600

《Improved Techniques for Training Score-Based Generative Models》

https://arxiv.org/abs/2006.09011

《Score-Based Generative Modeling through Stochastic Differential Equations》

https://arxiv.org/abs/2011.13456

Talk·提問(wèn)交流

▼

通過(guò)以下兩種方式提問(wèn)都將獲得微信現(xiàn)金紅包獎(jiǎng)勵(lì)哦！

方式 ①

在Talk界面下的【交流區(qū)】參與互動(dòng)！留下你的打call??和問(wèn)題??，和更多小伙伴們共同討論，被講者直接翻牌解答！

你的每一次貢獻(xiàn)，我們都會(huì)給予你相應(yīng)的i豆積分，還會(huì)有驚喜獎(jiǎng)勵(lì)哦！

方式 ②

在本文留言區(qū)直接提出你的問(wèn)題，或掃描下方二維碼提問(wèn)！

Talk·嘉賓介紹

▼

宋飏，斯坦福大學(xué)計(jì)算機(jī)系在讀博士生，師從Stefano Ermon教授。本科畢業(yè)于清華大學(xué)物理系數(shù)理基礎(chǔ)科學(xué)專業(yè)。研究方向?yàn)樯墒侥Ｐ图捌湓跈C(jī)器學(xué)習(xí)安全性和反問(wèn)題求解上的應(yīng)用。工作發(fā)表于NeurIPS, ICLR, ICML, UAI, AISTATS等機(jī)器學(xué)習(xí)頂級(jí)會(huì)議，包括1篇NeurIPS Oral (2019)和2篇ICLR Oral (2021)。蘋果獎(jiǎng)學(xué)金以及摩根大通獎(jiǎng)學(xué)金得主。

ICLR系列Talk

▼

*點(diǎn)擊標(biāo)題跳轉(zhuǎn)詳情

第①?gòu)?/strong>

第②彈

第③彈

關(guān)于TechBeat人工智能社區(qū)

▼

TechBeat(www.techbeat.net)是一個(gè)薈聚全球華人AI精英的成長(zhǎng)社區(qū)。我們希望為AI人才打造更專業(yè)的服務(wù)和體驗(yàn)，加速并陪伴其學(xué)習(xí)成長(zhǎng)。期待這里可以成為你學(xué)習(xí)AI前沿知識(shí)的高地，分享自己最新工作的沃土，在AI進(jìn)階之路上的升級(jí)打怪的根據(jù)地！

更多詳細(xì)介紹>>https://mp.weixin.qq.com/s/pTbCK_MeTk05jK2yx1RTrQ

標(biāo)簽：