Ошибка дискретизации моделей диффузии

arXiv: 2605.08392v 2 Annual: заменить резюме: для практической диффузионной выборки требуется имитировать БОД или СЭУ в обратном режиме с ограниченным числом денонсирующих шагов, что делает выбор параметров отбора критически важным для сведения к минимуму ошибки дискретизации. Неасимптотические границы конвергенции характеризуют сложность выборки, но их наихудшие константы могут затушевывать геометрию цели и тем самым ограничивать ориентиры по оптимизации параметров. Вместо того чтобы ограничивать ошибку, мы вычисляем асимптотически точные небольшие по размеру расширения слабых и фрише Эйлера-Маруямы для общего бесперебойного обратного распространения с четкими формулами данных Гауссиана. Эти формулы обеспечивают вращающиеся цели для оптимизации параметров рассеивания, включая графики шума и перерасчета, а также коэффициент стохастики в соответствии с диапазоном коварианции объекта. В частности, наша теория предсказывает более низкую оптимальную стохастичность при меньшем ступеневом бюджете, показывает как адаптировать коэффициент перекалывания к данным