- 博客(4)
- 资源 (2)
- 收藏
- 关注
RSS订阅转载 带标签的infogan及其代码解析
如前所述，infogan的提出的目标在于非监督生成模型，然而我们人类总是对数据有一些确定的知识（如图片表达得数字为几之类的），如果将这些确定的知识结合infogan进行半监督的学习，生成的数据的效果必然会有所提高。和传统生成模型相似，infogan的结构如图1所示，实质上infogan在结构上和gan相比就是输入上增加了几维潜在变量，而在分类网络后增加了一个识别网络Q用以估计这些潜在变量，其中潜在变
2017-01-14 05:28:09
5011
1
原创 Infogan-信息最大化生成对抗网络（理论部分）
对抗生成网络（GAN）和贝叶斯变分自编码是最为主要的两种数据生成模型，目前的生成对抗网络的一些改良技术已经实现了非常逼真的图像link。此外生成模型也是非监督学习的主要驱动力之一，假若人工神经网络已经具备了自我生成栩栩如生的真实图像的能力，我们亦可以说人工神经网络已经具备了想象和创作的能力，具有了想象和创作能力的个体当然已经掌握了一些抽象的概念，而非监督学习不就是让人工智能自我去摸索这个世界并
2016-12-31 06:11:33
5769
2
原创 早期递归神经网络初探
博客初衷现在我们常用递归神经网络如普通Vanilla RNN，LSTM和GRU来处理时序的数据，所以本人以前一直讲递归神经网络理解成诞生伊始就是用来处理时序数据的，然而一翻开wikipedia上RNN的介绍，发现自己的理解还是过于简单了。维基百科对于RNN的定义如下： A recurrent neural network (RNN) is a class of artificial n
2016-12-07 12:10:34
650
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人