پژوهشگر و توسعهدهنده هوش مصنوعی
مهدی دهقانی فیروزآبادی
مدلهای مولد، انتشار و معماریهای عصبی فشرده
روی مدلهای مولد کار میکنم — بهویژه روشهای انتشار و مبتنی بر امتیاز — با علاقه به معماریهای فشرده و تفسیرپذیر. پایاننامه کارشناسی ارشدم در دانشگاه تربیت مدرس یک مدل مولد بهبودیافته بر پایه انتشار است. در کنار پژوهش، خط لوله پیشبینی سری زمانی میسازم و پایتون، یادگیری ماشین و یادگیری عمیق تدریس میکنم.

تمرکز
انتشار و مدلهای مبتنی بر امتیاز
زمانبندی نویز، تخمین امتیاز سیگما، و مدلهای مولدی که نویززدایی را محاسبۀ اصلی میدانند.
شبکههای فشرده و تفسیرپذیر
معماریهای کمپارامتر و لایههای سفارشی — از جمله تصویرهای ماتریسی دوطرفه — که قابل بررسی بمانند.
پیشبینی و مسائل معکوس
خط لوله سری زمانی چندمتغیره در عمل، و مسائل معکوس با انتشار مبتنی بر امتیاز.
کارهای برگزیده
همه کارها- تخمینگر امتیاز سیگما2026
آموزش ResNet در PyTorch برای تخمین ∇_σ log p(x,σ) بهمنظور زمانبندی تطبیقی نویز در مدلهای انتشار.
- ارزیابی تولید تصویر2026
جعبه ابزار یکپارچه برای FID، Inception Score، sFID، Precision، Recall و FD_DINOv2 با بارگذاری خودکار مرجع.
- شبکه ضرب ماتریسی دوطرفه2025
لایههای ماتریسی دوطرفه سفارشی که ورودی MNIST، CIFAR و Fashion-MNIST را به شکل هدف میفشارند.
- نویززدایی صعود گرادیان EDM2026
نویززدایی تکراری تصاویر CIFAR-10 با بیشینهکردن لگاریتم احتمال روی مدلهای ازپیشآموزشدیده EDM.
- نویززدای ایدهآل2025
نویززدای ایدهآل به فرم بسته (معادله ۵۷ EDM) با آزمایش و تصویرسازی روی CIFAR-10.