Séance de cours

Modèles génératifs: Crash Course

Séances de cours associées (31)

Graph Chatbot

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Connectez-vous pour utiliser Chat avec Graph Search

Théorie du MCMC

Couvre la théorie de l'échantillonnage de Markov Chain Monte Carlo (MCMC) et discute des conditions de convergence, du choix de la matrice de transition et de l'évolution de la distribution cible.

Densité des États et inférence bayésienne en mathématiques computationnelles

Explorer la densité de calcul des états et l'inférence bayésienne à l'aide d'un échantillonnage d'importance, montrant une variance inférieure et la parallélisation de la méthode proposée.

Markov Chain Monte Carlo: Échantillonnage et convergence

Explore Markov Chain Monte Carlo pour l'échantillonnage des distributions haute dimension et l'optimisation des fonctions à l'aide de l'algorithme Metropolis-Hastings.

Modèles génériques : auto-attention et transformateurs

Couvre les modèles générateurs en mettant l'accent sur l'auto-attention et les transformateurs, en discutant des méthodes d'échantillonnage et des moyens empiriques.

Max Entropy et Monte Carlo

Explore l'entropie maximale, l'entropie de Shannon, les multiplicateurs de Lagrange et les techniques d'échantillonnage Monte Carlo.

Chaîne de Markov: Configuration Échantillonnage

Introduit le concept d'un processus et d'une chaîne de Markov dans l'échantillonnage de configuration.

Probabilités et processus stochastiques

Couvre la probabilité appliquée, les processus stochastiques, les chaînes de Markov, l'échantillonnage de rejet et les méthodes d'inférence bayésienne.

Groupe de renormalisation en théorie des champs

Explore le groupe de renormalisation dans la théorie des champs, discutant des fonctions de mise à l'échelle, des exposants critiques et des points fixes gaussiens.

Intégration Monte-Carlo : Rapprochement et variance MOOC: Selected Topics on Discrete Choice

Explore l'intégration Monte-Carlo pour approximer les attentes et les variances à l'aide d'échantillonnage aléatoire et discute des composants d'erreur dans les modèles de choix conditionnel.

Modèles génériques: Boltzmann Machine

Couvre les modèles génératifs, en se concentrant sur les machines Boltzmann et la maximisation contrainte à l'aide de multiplicateurs Lagrange.