MARC

 008260126s2024        us                              c    eng  d
■001000017360615
■00520260202105556
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798265405975
■035    ▼a(MiAaPQ)AAI32315884
■035    ▼a(MiAaPQ)GeorgiaTech76857
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a006.3
■1001  ▼aChen,  Tianrong.
■24510▼aBridging  the  Connectrion  Between  Deep  Learning  and  Stochastic  Optimal  Control
■260    ▼a[Sl]▼bGeorgia  Institute  of  Technology▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a207  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  87-05,  Section:  B.
■500    ▼aAdvisor:  Theodorou,  Evangelos  A.;Bloch,  Matthieu  R.
■5021  ▼aThesis  (Ph.D.)--Georgia  Institute  of  Technology,  2024.
■520    ▼aGenerative  models  have  gained  significant  popularity  in  recent  years,  and  Stochastic  Optimal  Control  soc  has  also  advanced  rapidly  in  parallel.  This  thesis  addresses  the  problem  of  understanding  dynamical  generative  models  from  the  perspective  of  Stochastic  Optimal  Control,  thereby  providing  insights  from  the  well-established  Stochastic  Optimal  Control  theory.  Additionally,  it  explores  the  challenges  of  high-dimensional  Stochastic  Optimal  Control  by  leveraging  deep  learning  techniques.  Through  this  dual  approach,  the  research  aims  to  enhance  the  theoretical  understanding  and  practical  application  of  generative  models  and  Stochastic  Optimal  Control  in  complex,  high-dimensional  environments.
■590    ▼aSchool  code:  0078.
■650  4▼aDiffusion  models
■650  4▼aDeep  learning
■650  4▼aNeural  networks
■690    ▼a0800
■71020▼aGeorgia  Institute  of  Technology.
■7730  ▼tDissertations  Abstracts  International▼g87-05B.
■790    ▼a0078
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17360615▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

Preview

Export

ChatGPT Discussion

AI Recommended Related Books