🔗 Link

기초 지식

score based geneartive model score를 각 noise scale에서 학습하고 "랑베인 다이나믹스"로 샘플링

지수이동평균 : 시계열 데이터에서 최근의 관측치에 더 큰 가중치를 부여하여 평균을 계산하는 방법입니다. 이 방법은 데이터의 최신 트렌드나 패턴을 더 잘 반영하기 위해 고안되었습니다.

베이즈 정리

베이즈 정리는 확률 P(A|B)를 알고 있을 때, 관계가 정반대인 확률 P(B|A)를 계산하기 위해 등장

P(A) : A의 사전 확률(evidence) - 현재의 증거

P(B) : B의 사전 확률(prior probability) - 과거의 경험

P(A | B) : 사건 B가 주어졌을 때 A의 조건부 확률(likelihood) - 알려진 결과(관찰된 결과)에 기초한 어떤 가설에 대한 가능성(즉, 이 가설을 지지하는 정도)

P(B | A) : 사건 A라는 증거에 대한 사후 확률(posterior probability) - 사건 A가 일어났다는 것을 알고, 그것이 사건 B로부터 일어난 것이라고 생각되는 조건부 확률