Skip to content
所有標籤

#variational-inference

3 篇文章
aiguideCMU 10-423 Generative AI 導讀

擴散與VAE：機率目標相連，生成流程不同｜CMU 10-423 主題單元

擴散與VAE都能用機率模型的觀點理解，但「都有潛在變量」不代表它們是同一套生成流程。擴散把噪聲步驟串成鏈；VAE用encoder近似latent的後驗，decoder從latent重建資料。這篇是關係導覽，原第8–9堂的教學已拆成各自可檢核的內容。

#cmu-10423#ai-course#cmu#generative-ai#vae#variational-inference#elbo#diffusion-model
learningguideBerkeley CS285 Deep Reinforcement Learning 導讀

從變分推論、LLM RL 到 Offline RL｜Berkeley CS285 第 11–18 堂

L11–18 把 control as inference、LLM RL、model-based RL 與 offline RL 接成一條主線，並用 HW4、HW5 呈現兩種高運算成本實作。

#cs285#berkeley#variational-inference#llm-rl#offline-rl
aideep-diveStanford CS228 Probabilistic Graphical Models 導讀

機率圖模型：把指數量級的推論壓成多項式｜Stanford CS228 課程總覽

CS228 是 Stanford 的機率圖模型課，分表示、推論、學習三塊：用圖寫下獨立性假設，把指數量級的機率計算壓成多項式。自學者拿得到的是 16 章的公開講義 cs228-notes；講次投影片、錄影與當季作業都拿不到。

#cs228#ai-course#stanford#probabilistic-graphical-models#bayesian-network#variational-inference