深度生成模型有何用？ Jakub Tomczak- 《深度生成建模》讲座报告与视频，84页ppt

前不久，阿姆斯特丹自由大学助理教授、前高通 AI 研究中心研究员 Jakub Tomczak 在推特上公布了全新著作《深度生成模型》的进展，目前这本书已经正式出版。

2022新书《深度生成模型》出版，前高通AI研究员Jakub Tomczak力作，Max Welling作序，200+pdf

最近，他做了一个《深度生成建模》的报告，从信息论的动机开始，信息论自然地将学习联合分布作为人工智能系统学习的一个关键问题，值得关注！

深度学习可以在图像或音频分类等任务中实现最先进的结果。然而，基于深度学习的预测器很容易被非分布数据或噪声例子所欺骗。在这次演讲中，我们将讨论一个可能的解决方案，即深度生成建模，它是深度学习和概率建模的结合。我们将从信息论的动机开始，信息论自然地将学习联合分布作为人工智能系统学习的一个关键问题。接下来，我们将概述在对象(例如，图像)上建模分布的各种方法。更具体地说，我们将主要关注潜在变量模型(例如，变分自动编码器，基于扩散的深度生成模型，基于流的模型)。最后，我们指出了未来可能的研究方向。

自 2019 年 11 月以来，Jakub Tomczak 是阿姆斯特丹自由大学计算智能小组的人工智能助理教授。此前，他是阿姆斯特丹高通 AI 研究中心的深度学习研究员。2016 年 10 月至 2018 年 9 月，他是阿姆斯特丹大学 Max Welling 教授小组的 Marie Sklodowska-Curie 个人研究员。

Jakub Tomczak 在波兰的弗罗茨瓦夫大学获得了机器学习博士学位。他的研究兴趣包括概率建模、深度学习、近似贝叶斯模型和深度生成模型(特别关注变分自动编码器和基于流的模型)。

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“DGM84” 就可以获取《深度生成模型有何用？Jakub Tomczak- 《深度生成建模》讲座报告与视频，84页ppt》专知下载链接

专知，专业可信的人工智能知识分发 ，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取70000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取70000+AI主题知识资源