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(x∣y)dy
其中,分布 q ( x ∣ y ) q(x \mid y) q(x∣y)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