2020-4-12 深度学习笔记18 - 直面配分函数 5 ( 去噪得分匹配,噪声对比估计NCE--绕开配分函数,估计配分函数)

第十八章 直面配分函数 Confronting the Partition Function

中文
英文
2020-4-8 深度学习笔记18 - 直面配分函数 1 ( 配分函数概念,对数似然梯度)
2020-4-9 深度学习笔记18 - 直面配分函数 2 ( 随机最大似然和对比散度-概率和似然)
2020-4-10 深度学习笔记18 - 直面配分函数 3 ( 伪似然–绕开配分函数)
2020-4-11 深度学习笔记18 - 直面配分函数 4 ( 得分匹配SM和比率匹配RM–绕开配分函数)

去噪得分匹配Denoising Score Matching

某些情况下,我们希望拟合以下分布来正则化得分匹配 ,而不是拟合真实分布 p data p_{\text{data}} pdata
p s m o o t h e d ( x ) = ∫ p d a t a ( y ) q ( x ∣ y ) d y p_{smoothed}(x)=∫p_{data}(y)q(x∣y)dy psmoothed(x)=pdata(y)q(xy)dy
其中,分布 q ( x ∣ y ) q(x \mid y) q(xy)是一个损坏过程,通常在形成 x x x的过程中会向 y y y中添加少量噪声。

去噪得分匹配非常有用,因为在实践中,通常我们不能获取真实的 p data p_{\text{data}} pdata

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值