读论文《Auto-Encoding Variational Bayes》
标签(空格分隔): 论文
本文地址:http://blog.csdn.net/qq_31456593/article/details/77743840
深度学习博客目录:http://blog.csdn.net/qq_31456593/article/details/69340697
introduce
这篇论文将变分贝叶斯和神经网络结合起来,用神经网络学习变分推导的参数,以得到后验推理p(z|x)的似然,并获得了一个效果不错的生成模型-变分自编码器。作者使用了重新参数化的变分下界,这样就可以通过随机梯度下界对模型进行优化。
method
如图z是一个隐变量,x是由z决定的一个客观事物,比如一类图片。z相当于决定x性质的内隐因素(神秘力量),那么给我们一组属于x的数据集(图片),想要得到z,我们就必须得到后验概率p(z|x)。因为这个后验概率不好求,作者使用一个神经网络作为后验推导q(z|x),来逼近p(z|x),当神经网络通过参数学习,使得q(z|x)接近于p(z|x