AI اور دنیا کے مشکل مسائل · ریاضی · arXiv · 2026-10-21

سافٹ پاتھ-لا قیدوں کے ساتھ جنریٹو ڈائنامکس سیکھنا: ایک McKean-Vlasov FBSDE اپروچ

اصل عنوان: Learning Generative Dynamics with Soft Path-Law Constraints: A McKean-Vlasov FBSDE Approach

مصنفین تقسیمی مشاہدات اور مجرد طور پر مشاہدہ شدہ ٹریجیکٹریوں سے تصادفی حرکیات سیکھنے کے لیے ایک متحدہ فریم ورک پیش کرتے ہیں۔ یہ فریم ورک soft law constraints — جو تجرباتی تقسیموں کی فٹنگ کو ریگولرائز کرتے ہیں — کو path-dependent supervision کے ساتھ یکجا کرتا ہے اور مسئلے کو ایک discrete path-dependent McKean-Vlasov control مسئلے کے طور پر تشکیل دیتا ہے جس کا optimality نظام ایک McKean-Vlasov forward-backward SDE ہوتا ہے۔ مصنوعی transport، latent face transport اور انسانی حرکت پر کیے گئے تجربات اس فریم ورک کی تصدیق کرتے ہیں، اور path-law supervision کے تحت ایک دو حالتی AMASS تجربہ low-to-high اور high-to-low دونوں منتقلیوں کو اجاگر کرتا ہے جنہیں اکیلے marginal supervision سے ممیز نہیں کیا جا سکتا۔

اصل تحریر پڑھیں ↗

تمام آئٹمز →