能量基模型与其他生成模型、采样与统计物理关系指南：综合综述
机器学习
2025-05-22 v2 数学物理
math.MP
应用物理
数据分析、统计与概率
摘要
能量基模型 (EBMs) 已成为生成建模领域的强大框架，提供一种贴近统计力学原则的独特视角。本综述旨在为物理学家提供全面理解EBMs，阐明其与生成对抗网络、变分自编码器和正规化流等其他生成模型之间的联系。我们探讨了EBMs不可或缺的采样技术，包括马可夫链蒙特卡洛 (MCMC) 方法，并在EB概念与统计力学之间建立联系，突出能量函数和分配函数的重要性。此外，我们深入探讨了EBMs的最新训练方法，涵盖近期进展及其对增强模型性能和效率的影响。本综述旨在澄清由于涉及众多社区而这些模型之间的往往复杂的相互关系。
引用
@article{arxiv.2406.13661,
title = {Hitchhiker's guide on the relation of Energy-Based Models with other generative models, sampling and statistical physics: a comprehensive review},
author = {Davide Carbone},
journal= {arXiv preprint arXiv:2406.13661},
year = {2025}
}