Promptの説明

時間系列データに適用された拡散モデルの学習と推論プロセスにおける違いを、クリーンで学術的なスタイルで示した模式図。 左側は学習段階を示しており、実際のクリーンなデータから始まり、順拡散プロセスを通じてガウスノイズが繰り返し追加される。モデルは、正解となるノイズの多いサンプルを使用して学習される。滑らかで一貫性のある矢印は、安定したデータ分布を示す。 右側は推論（サンプリング）段階を示しており、純粋なノイズから始まり、逆拡散プロセスが実行され、モデルは自身の事前予測を繰り返し入力として使用する。わずかな、累積された予測誤差が視覚的に強調され、学習分布と比較して入力分布のずれが生じる。 「学習分布」と「推論分布」は明確にラベル付けされており、それらの不一致は、分岐する矢印またはオフセットされた軌跡を使用して示される。 最小限のフラットデザインを採用し、白い背景とソフトな色（学習には青、推論にはオレンジまたは赤）を使用する。