Глоссарий ИИ
Полный словарь искусственного интеллекта
Transformation Stochastique
Processus mathématique appliquant des transformations aléatoires progressives aux données, permettant une transition contrôlée entre distributions probabilistes dans l'espace latent.
Modèle à Score
Architecture de réseau neuronal apprenant à prédire le gradient du champ de potentiel log-probabilité, utilisée pour inverser les processus de diffusion stochastique.
Processus de Diffusion Reverse
Phase régressive apprenant à débruiter itérativement les données, reconstruisant l'échantillon original à partir du bruit en utilisant les gradients de score estimés.
Équation de Fokker-Planck
Équation aux dérivées partielles décrivant l'évolution temporelle de la densité de probabilité dans les processus de diffusion, liant directement l'EDS à la dynamique distributionnelle.
Processus Ornstein-Uhlenbeck
Processus stochastique stationnaire avec retour à la moyenne, fondamentalement utilisé dans les modèles de diffusion pour contrôler la dynamique d'ajout et de retrait de bruit.
Taux de Diffusion
Paramètre scalaire contrôlant l'intensité du bruit ajouté à chaque étape temporelle, déterminant la vitesse et la stabilité de la transformation stochastique.
Chaîne de Markov Continue
Processus stochastique à temps continu où les états futurs dépendent uniquement de l'état présent, fournissant le fondement mathématique des modèles de diffusion différentiels.
Fonction de Score
Gradient du logarithme de la densité de probabilité par rapport aux données, pointant vers les régions de haute densité et guidant la déconstruction du bruit dans les modèles génératifs.
Temps de Diffusion Continu
Paramètre réel positif normalisé dans [0,1] représentant l'évolution continue du processus stochastique, permettant une formulation différentielle unifiée.
Gradients de Score Estimés
Approximations numériques des gradients de log-vraisemblance calculées par des réseaux neuronaux, remplaçant les gradients analytiques inaccessibles dans les distributions complexes.