条件扩散模型深度自助法框架提出

Jinyuan Chang 等作者提出 Deep Bootstrap 框架，用条件扩散模型学习响应变量在给定协变量下的分布，再把原始协变量与新合成的响应配对，生成 bootstrap 样本，用于非参数回归。 该研究称，这一框架把条件分布估计、采样与非参数回归整合在一起，并给出了所学条件分布与目标分布之间 Wasserstein 距离的最优端到端收敛速率，以及 bootstrap 过程的收敛保证。数值实验显示，该方法在复杂回归任务上有效且可扩展。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。