本周为TechBeat人工智能社区第293期线上Talk，这也是ICLR 2021系列Talk第④期。北京时间4月13日(周二)晚8点，ICLR'21杰出论文奖一作、斯坦福大学在读博士—宋飏的Talk将准时在TechBeat人工智能社区开播！

他与大家分享的主题是: “基于梯度估计的生成式模型”，届时将针对ICLR 2021 Outstanding Paper Award《Score-Based Generative Modeling through Stochastic Differential Equations》(Oral) 做出详细介绍。

宋飏本人也是极为优秀，16岁通过领军计划进入清华，曾跟随朱军等团队进行研究工作，物理系毕业后他进入斯坦福大学攻读博士，师从Stefano Ermon。

Talk·信息

▼

主题：基于梯度估计的生成式模型

嘉宾：斯坦福大学计算机系

在读博士生 宋飏

时间：北京时间 4月13日 (周二) 20:00

地点：TechBeat人工智能社区

http://www.techbeat.net/

完整版怎么看？

扫描下方二维码，或复制链接 https://datayi.cn/w/nPNwv77o 至浏览器，一键完成预约！上线后会在第一时间收到通知哦~

Talk·提纲

▼

随着深度学习技术的进步，生成式模型已经可以产生以假乱真的图片，音频，甚至自然语言对话。然而，现有的生成式模型仍然存在着众多的问题，包括训练的不稳定性，以及存在网络结构的限制等等。本次分享将介绍一种从不同角度出发的全新生成式模型来解决前述问题。本次分享的主要内容如下：1. 第一部分将介绍如何从一个给定的数据集估计其背后的概率分布所对应的梯度函数 (UAI 2019)。我们将会讨论梯度函数相对于概率分布函数的优越性。2. 第二部分将专注于如何从概率分布梯度函数中获得源源不断的数据样本（NeurIPS 2019, NeurIPS 2020）。我们将会重点讨论数据噪声和梯度估计之间的关联，并指出如何利用这种关联来大幅提升样本质量。

3. 第三部分将用随机微分方程推广第二部分中的方法（ICLR 2021 Oral），并专注于随机微分方程所带来的一系列特殊优势，包括似然函数计算，样本生成过程的灵活控制，以及反问题求解等等。

Talk·参考资料

▼

这是本次分享中将会提及的资料，建议提前预习哦！

《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·提问交流

▼

通过以下两种方式提问都将获得微信现金红包奖励哦！

方式 ①

在Talk界面下的【交流区】参与互动！留下你的打call🤟和问题🙋，和更多小伙伴们共同讨论，被讲者直接翻牌解答！

你的每一次贡献，我们都会给予你相应的i豆积分，还会有惊喜奖励哦！

方式 ②

在本文留言区直接提出你的问题，或扫描下方二维码提问！

Talk·嘉宾介绍

▼

宋飏，斯坦福大学计算机系在读博士生，师从Stefano Ermon教授。本科毕业于清华大学物理系数理基础科学专业。研究方向为生成式模型及其在机器学习安全性和反问题求解上的应用。工作发表于NeurIPS, ICLR, ICML, UAI, AISTATS等机器学习顶级会议，包括1篇NeurIPS Oral (2019)和2篇ICLR Oral (2021)。苹果奖学金以及摩根大通奖学金得主。

ICLR系列Talk

▼

*点击标题跳转详情

第①弹

第②弹

第③弹

关于TechBeat人工智能社区

▼

TechBeat(www.techbeat.net)是一个荟聚全球华人AI精英的成长社区。我们希望为AI人才打造更专业的服务和体验，加速并陪伴其学习成长。期待这里可以成为你学习AI前沿知识的高地，分享自己最新工作的沃土，在AI进阶之路上的升级打怪的根据地！

更多详细介绍>>https://mp.weixin.qq.com/s/pTbCK_MeTk05jK2yx1RTrQ