机读格式显示(MARC)

• 000 02076nam0 2200325 450

• 001 0000789477

• 005 20250619160300.0

• 010 __ |a 978-7-121-45985-6 |d CNY89.00

• 100 __ |a 20230921d2023 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a ak z 000yy

• 106 __ |a r

• 200 1_ |a 扩散模型 |A kuo san mo xing |e 生成式AI模型的理论、应用与代码实践 |d = The diffusion model |e theory, applications, and code implementation of generative AI models |f 杨灵 ... [等] 编著 |z eng

• 210 __ |a 北京 |c 电子工业出版社 |d 2023.8

• 215 __ |a 196页 |c 图 (部分彩图) |d 24cm

• 300 __ |a AIGC技术百科

• 304 __ |a 题名页题: 杨灵, 张至隆, 张文涛, 崔斌编著

• 314 __ |a 杨灵, 北京大学博士在读, 研究兴趣是机器学习和生成式AI, 作为第一作者在ICML、CVPR等人工智能顶会、顶刊上发表过多篇论文, 长期担任TPAMI、ICML、NeurIPS、CVPR、KDD、AAAI等顶级学术会议或期刊的程序委员会成员、审稿人。张至隆, 北京大学硕士在读, 本科毕业于北京大学数学科学学院, 研究兴趣是扩散模型。曾获北京大学国琴奖学金、优秀毕业生、三好学生等奖项。张文涛, 蒙特利尔学习算法研究所 (Mila) 博士后研究员。博士毕业于北京大学计算机学院, 师从崔斌教授。研究兴趣为大规模图学习。

• 330 __ |a 本书全面介绍了扩散模型这种新兴的深度生成模型在各个领域的应用, 其内容包括AIGC与相关技术、扩散模型基础、扩散模型的高效采样、扩散模型的似然最大化、将扩散模型应用于具有特殊结构的数据、扩散模型与其他生成模型的关联、扩散模型的应用、扩散模型的未来等。本书旨在提供一个情景, 帮助读者深入了解扩散模型, 确定扩散模型的关键研究领域, 以及适合未来进一步探索的研究领域。

• 333 __ |a 本书适合深度学习领域的研究人员、工程师、学生, 以及对深度生成模型感兴趣的人阅读

• 510 1_ |a Diffusion model |e theory, applications, and code implementation of generative AI models |z eng

• 517 1_ |a 生成式AI模型的理论、应用与代码实践 |A sheng cheng shi AI mo xing de li lun 、ying yong yu dai ma shi jian

• 606 0_ |a 机器学习 |A ji qi xue xi |x 研究

• 690 __ |a TP181 |v 5

• 701 _0 |a 杨灵 |A yang ling |4 编著

• 701 _0 |a 张至隆 |A zhang zhi long |4 编著

• 701 _0 |a 张文涛 |A zhang wen tao |4 编著

• 801 _0 |a CN |b 湖北三新 |c 20230921

• 905 __ |a LIB |d TP181/349