What You Need to Know Before
You Start

Starts 8 June 2025 14:49

Ends 8 June 2025

00 days
00 hours
00 minutes
00 seconds
course image

Équations différentielles ordinaires neuronales basées sur le score et flux normalisant pour le contrôle de champ moyen

Explorez une approche novatrice du contrôle de champ moyen utilisant les équations différentielles ordinaires neuronales basées sur le score et les flux normalisants, avec des applications dans les modèles génératifs, l'appariement de flux de probabilité et les opérateurs proximaux de Wasserstein.
USC Probability and Statistics Seminar via YouTube

USC Probability and Statistics Seminar

2544 Cours


1 hour 7 minutes

Optional upgrade avallable

Not Specified

Progress at your own speed

Free Video

Optional upgrade avallable

Aperçu

Explorez une approche novatrice du contrôle de champ moyen utilisant les équations différentielles ordinaires neuronales basées sur le score et les flux normalisants, avec des applications dans les modèles génératifs, l'appariement de flux de probabilité et les opérateurs proximaux de Wasserstein.

Programme

  • Introduction
  • Aperçu du Contrôle de Champ Moyen
    Introduction aux Équations Différentielles Ordinaires Neuronales (ODEs Neuronales)
    Notions de Base sur les Flots Normalisants
    Objectifs et Structure du Cours
  • Révision des Fondations Mathématiques
  • Équations Différentielles et Systèmes Dynamiques
    Théorie des Probabilités et Processus Stochastiques
    Transport Optimal et Distances de Wasserstein
  • Équations Différentielles Ordinaires Neuronales (ODEs Neuronales)
  • Mécanique des Modèles Basés sur les ODEs
    Avantages des ODEs Neuronales dans le Contrôle
    Applications dans la Génération de Données Séquentielles
  • Modèles Basés sur le Score et Modélisation Générative
  • Introduction aux Modèles Basés sur le Score
    Connexion avec les Modèles Génératifs Existants
    Interprétation Probabiliste et Estimation
  • Flots Normalisants
  • Concept et Mécanique des Flots Normalisants
    Modèles Génératifs Basés sur les Flots
    Techniques d'Entraînement et d'Inférence
  • ODEs Neuronales Basées sur le Score
  • Intégration des Fonctions de Score avec les ODEs Neuronales
    Cadre pour les Dynamiques Basées sur le Score
    Études de Cas et Applications Pratiques
  • Contrôle de Champ Moyen (MFC)
  • Introduction aux Jeux et Contrôles de Champ Moyen
    Rôle des ODEs Neuronales dans le MFC
    Stratégies de Mise en Œuvre pour le MFC
  • Appariement de Flux de Probabilité
  • Le Concept de Flux de Probabilité
    Techniques pour l'Appariement de Flux de Probabilité utilisant les ODEs Neuronales
  • Opérateurs Proximaux de Wasserstein
  • Introduction à la Géométrie de Wasserstein
    Construction d'Opérateurs Proximaux de Wasserstein
    Applications dans l'Optimisation et le Contrôle
  • Applications et Études de Cas
  • Cas d'utilisation Réels dans les Modèles Génératifs
    Applications Avancées en Robotique et Contrôle des Systèmes
    Exploration des Frontières de la Recherche Actuelle
  • Mise en Œuvre Pratique
  • Outils et Plates-formes Logiciels
    Construction et Entraînement de Modèles ODEs Neuronales
    Évaluation et Validation des Modèles
  • Conclusion
  • Résumé et Points Clés
    Directions Futures en Recherche et Application
    Lignes Directrices pour le Projet Final
  • Ressources et Lectures Complémentaires
  • Livres et Articles Recommandés
    Cours en Ligne et Conférences
    Bibliothèques et Outils Logiciels

Sujets

Informatique