研究者提出扩散驱动状态空间模型DDSSM
热点事件持续更新
研究者提出扩散驱动状态空间模型DDSSM
1 篇报道1 个报道来源16 小时前更新
先了解这件事
AI 综述
Jack Ruder 与 Michael Wojnowicz 提出扩散驱动状态空间模型 DDSSM，用扩散模型替代传统深度状态空间模型中的高斯潜在转移分布，并称解决了在序列数据上联合训练自编码器与扩散模型的开放问题。 在具有多峰转移的模拟时间序列上，DDSSM 的拟合与预测表现优于当前最优的深度 SSM。该工作已被 ProbML 2026 Workshop Track 接收。
AI 根据报道生成 · 1 小时前更新
最新进展11月6日 13:00
DDSSM：用扩散模型替代高斯转移的扩散驱动状态空间模型报道时间线
沿着报道，了解事件的不同侧面。
11月6日
- arXiv · cs.LGDDSSM：用扩散模型替代高斯转移的扩散驱动状态空间模型
研究者提出扩散驱动状态空间模型 DDSSM，用扩散模型替代传统深度状态空间模型中的高斯潜在转移分布，解决了在序列数据上联合训练自编码器与扩散模型的开放问题。在具有多峰转移的模拟时间序列上，DDSSM 的拟合与预测表现优于当前最优的深度 SSM。该工作已被 ProbML 2026 Workshop Track 接收。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。