- 1、本文档被系统程序自动判定探测到侵权嫌疑,本站暂时做下架处理。
- 2、如果您确认为侵权,可联系本站左侧在线QQ客服请求删除。我们会保证在24小时内做出处理,应急电话:400-050-0827。
- 3、此文档由网友上传,因疑似侵权的原因,本站不提供该文档下载,只提供部分内容试读。如果您是出版社/作者,看到后可认领文档,您也可以联系本站进行批量认领。
基于深度学习的生成模型的研究
报告提纲
生成式模型的定义
研究生成式模型的意义
经典的生成式模型:VAE与GAN
GAN的应用
VAE与GAN仍需解决的问题
我们的工作
总结
生成式模型的定义
通常机器学习的任务就是学习一个模型,应用这一模型,对给定
的输入预测相应的输出。对于模型的分类有很多种,其中一种分
类就是把模型分为:判别模型和生成模型两种。
判别模型主要是根据输入图像推测图像具备的一些性质,即:已
知观察变量和隐变量,直接对(|)进行建模。它根据输入的观
察变量直接得到隐变量出现的可能性。
例如:当模型为分类模型时,隐变量则代表类别变量。
生成模型则是要对(,)进行建模,然后求出条件概率分布(|)
作为预测隐变量的模型,即:
(,)()
==
()()
同时,我们也可以根据联合概率分布(,)采样生成观测变量。
生成式模型的定义
通常,我们已知观测变量服从某固定但未知的
分布,与隐变量构成有向概率图。
对于这个概率图,()(隐变量的先验)、(|)
(相对的条件概率)及(|)(隐变量的后验)三
者就可完全描述和的关系。两者的联合分布可
以表示为:
,=()
我们只能观测到,而是隐变量,不能被观测。
生成任务便是通过一个观察集,估计观测变量
与隐变量构成的概率图的相关参数。
生成式模型的定义
对于一个模型,如果它能够建模()、(|),
我们就称之为生成模型,这有如下两层含义:
I.()、(|)两者决定了观测变量与隐变量的
联合分布(,)。
II.利用两者可以对观测变量进行采样。具体做法
是:先依隐变量的先验概率生成样本点~(),
再依观测变量的条件概率采样~(|)。
生成式模型的定义
借助于深度神经网络强大的建模能力,一些拥有出色生成能
力的新的生成模型陆续出现。这其中,最为典型的代表有:
变分自编码器(VAE)与对抗生成网络(GAN)。
与传统的生成模型PixelCNN相比,VAE与GAN更好地建模
了观测变量与隐变量的关系,即生成样本由隐变量控制。
且隐变量没有过多的约束(例如:nonlinearICA中对隐变量的
维度约束)。
与传统的生成模型BoltzmannMachines相比,VAE与GAN不
需要高复杂度的马尔科夫链的计算。
报告提纲
生成式模型的定义
研究生成式模型的意义
经典的生成式模型:VAE与GAN
GAN的应用
VAE与GAN仍需解决的问题
我们的工作
总结
研究生成式模型的意义
人们可能会问:为什么要研究生成式模型?特别是当生
成式模型只能用来产生数据而不能直接对数据的概率密
度函数进行估计的情况下。
具体地说,在图像的应用中,这类模型好像仅仅是提供更多的
文档评论(0)