Unverified50% confidenceFactExact time
扩散过程的反向SDE可以表示为 dX_t = [f(X_t,t) - g(t)²∇log p_t(X_t)]dt + g(t)dW̄_t
1
Sources
50%
Confidence
Long-term
Relevance
8/13/2026
First Seen
Sources
Related Claims
UnverifiedOU过程具有均值回归性质，其数学形式为 dXt = -αXt dt + σ dWt，通过适当设置参数任意初始分布会在有限时间内指数级收敛到标准高斯分布69% similarUnverified扩散模型的前向扩散过程可用马尔可夫链描述：q(x_t|x_{t-1}) = N(x_t; √(1-β_t)x_{t-1}, β_tI)69% similarUnverified概念漂移可形式化表达为 P_t(X, Y) ≠ P_{t+1}(X, Y)，变化可能来自特征分布P(X)的偏移（协变量偏移）、条件分布P(Y|X)的改变（真正的概念漂移）或两者兼有62% similarUnverified典型的导纳模型可表达为 M·ẍ + B·ẋ + K·x = F_ext，其中M、B、K分别是期望的虚拟惯量、阻尼和刚度矩阵61% similarUnverified扩散模型反向过程的核心驱动力是Score函数，即对数密度梯度∇x log p(x)，指向概率密度增大最快的方向58% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/741095API
curl https://kongchang.com/api/v1/knowledge/claims/741095MCP
get_claim(id=741095)