为什么高斯分布统治了机器学习的隐空间：从中心极限定理到扩散模型的数学真相
为什么高斯分布统治了机器学习的隐空间：从中心极限定理到扩散模型的数学真相 打开任何一个深度学习模型，你会发现高斯分布无处不在：权重初始化服从$\mathcal{N}(0, \sqrt{2/n})$，VAE的隐变量被约束为$\mathcal{N}(\mu, \sigma^2)$，扩散模型的前向过程逐步添加高斯噪声，连随机梯度下降的噪声都被近似为高斯分布。这不是巧合，也不是习惯使然——高斯分布对机器学习的统治，源于数学深处的必然性。 ...