扩散随机特征模型

原文中文，约200字，阅读约需1分钟。发表于：。

我们提出了一种受扩散模型启发的深度随机特征模型，它具有可解释性，并给出了与具有相同可训练参数数量的全连接神经网络相当的数值结果。我们通过对采样数据分布和真实分布之间的得分匹配性质的属性来推导了随机特征的泛化界限，并通过在时尚 MNIST 数据集和乐器音频数据上生成样本来验证我们的发现。

该文介绍了一种受扩散模型启发的深度随机特征模型，具有可解释性，验证了其在时尚 MNIST 数据集和乐器音频数据上生成样本的能力。通过匹配采样数据分布和真实分布之间的得分，推导了随机特征的泛化界限。该模型与具有相同可训练参数数量的全连接神经网络相当。