NeurIPS

Kernel PCA for Out-of-Distribution Detection: Non-Linear Kernel Selection and Approximation

用于分布外检测的核主成分分析：非线性核选择与近似

Kun Fang, Qinghua Tao, Mingzhen He, Kexin Lv, Runze Yang, Haibo Hu, Xiaolin Huang, Jie Yang, Longbing Cao

机构 * Department of Automation, Shanghai Jiao Tong University（上海交通大学自动化系） ； Department of Electrical and Electronic Engineering, The Hong Kong Polytechnic University（香港理工大学电子与电气工程系） ； School of Automation, Beijing Institute of Technology（北京理工大学自动化学院） ； China Mobile (Shanghai) Information and Communication Technology Co., Ltd.（中国移动（上海）信息技术有限公司） ； School of Computing, Macquarie University（麦考瑞大学计算机学院） 纠错

AI总结 研究针对深度神经网络分布外检测问题，利用核主成分分析框架，通过选择余弦 - 高斯核及近似技术，有效刻画分布外与分布内数据差异，提高检测功效和效率，为非线性特征子空间检测提供新见解与方法。

Comments This study is an extension of its conference version published in NeurIPS'24, see https://proceedings.neurips.cc/paper_files/paper/2024/hash/f2543511e5f4d4764857f9ad833a977d-Abstract-Conference.html

Spectral Diffusion Processes

谱扩散过程

Angus Phillips, Thomas Seror, Michael Hutchinson, Valentin De Bortoli, Arnaud Doucet, Emile Mathieu

机构 * University of Oxford（牛津大学） ； ENS, CNRS, PSL University Paris（巴黎高等师范学院、国家科学研究中心、巴黎大学） ； University of Cambridge（剑桥大学） 纠错

AI总结 研究将扩散模型应用于函数空间上的随机过程，通过谱表示分离随机部分与时空结构，用有限维扩散模型建模谱系数，经截断确保模型有效性，投影回原空间对应相关噪声扩散模型，还展示了方法在多模态数据建模及条件采样上的有效性。

Comments This version (v3) extends the previous workshop version (v2) with conditional sampling and theoretical results. Work carried out in 2022/23. V2 appeared in Score-based Methods Workshop at the 36th Conference on Neural Information Processing Systems (NeurIPS 2022)