扩散概率模模型 (Cognitive Diffusion Probabilistic Models,CogDPM) 是论文「CogDPM: Diffusion Probabilistic Models via Cognitive Predictive Coding」中提出的,展示了扩散概率模型与 PC 理论之间的联系。
CogDPM 具有一种基于扩散模型的层级采样能力的精度估计方法,并利用扩散模型固有属性估计出的精度权重对指导信号进行加权。研究团队通过实验表明,精度权重能有效估计数据的可预测性。论文中将 CogDPM 应用于使用英国降水和 ERA 地表风数据集的真实世界预测任务。结果表明,CogDPM 超越了现有的特定领域操作模型和通用深度预测模型,能够提供更具技巧性的预测结果。