《人工智能技术基础》课件 第9章 生成式人工智能模型.pptx

人工智能技术基础;

;生成式人工智能模型（AIGeneratedContent）是基于统计学习算法和深度神经网络的人工智能模型，能够从数据中学习并生成新的、与原始数据类似或不同的数据。生成式人工智能模型的目标是通过生成数据来模仿人类创作的过程。AIGC目前已经在许多领域得到了广泛的应用，如自然语言处理（NLP）、图像生成、音频合成、视频生成等。

本章重点阐述几种经典生成模型的工作原理与应用，包括VAE、GAN以及流模型，特别是目前AICG的主流模型——扩散模型与稳定扩散模型。;目录;01;9.1变分自编码器;9.1变分自编码器;9.1变分自编码器;02;9.2生成对抗网络;9.2生成对抗网络;9.2生成对抗网络;9.2生成对抗网络;03;9.3流模型;9.3流模型;非线性流模型

非线性流模型相对于线性流模型，具有更强的表达能力和更灵活的变换形式。非线性流模型的变换通常采用复杂的非线性函数，如神经网络。非线性流模型的参数学习通常采用变分自编码器（VAE）或类似的方法。;9.3.3流模型的常见分类方法;04;9.4扩散模型;9.4扩散模型;9.4扩散模型;9.4扩散模型;9.4扩散模型;9.4扩散模型;9.4扩散模型;9.4扩散模型;05;9.5稳定扩散模型;9.5稳定扩散模型;9.5稳定扩散模型;9.5稳定扩散模型;9.5稳定扩散模型;9.5稳定扩散模型;9.5稳定扩散模型;9.5稳定扩散模型;9.5稳定扩散模型;06;9.6本章总结;感谢您的观看！