分析
这项研究推出了一种令人兴奋的、基于神经网络的分类器，用于理解扩散过程！通过估计漂移函数并应用贝叶斯型决策规则，该方法有望在单维和多维场景中实现增强的性能和更快的收敛，特别是在识别漂移函数方面。
引用 / 来源
查看原文"数值实验表明，与Denis et al. (2024)相比，该方法在单维设置中实现了更快的收敛和改进的分类性能，当底层漂移函数允许组合结构时，在高维度中仍然有效，并且始终优于在不利用扩散模型结构的情况下，在轨迹上端到端训练的直接神经网络分类器。"
A
ArXiv Stats ML2026年2月4日 05:00
* 根据版权法第32条进行合法引用。