康奈尔大学「深度概率与生成模型」2021SP课程

生成模型是一类机器学习算法，它定义了图像、序列和图等复杂高维物体的概率分布。深度神经网络和优化算法的最新进展显著地增强了这些模型的能力，并重新激发了对它们的研究兴趣。本课程探讨深度生成模型的基本概率原理、它们的学习算法和流行的模型族，包括变分自编码器、生成对抗网络、自回归模型和规范化流。本课程还涵盖了计算机视觉、自然语言处理和生物医学等领域的应用，并将其与强化学习领域联系起来。

• Introduction and Background

• Autoregressive Models

• Variational Autoencoders

• Normalizing Flow Models

• Energy-Based Models

• Generative Adversarial Networks

• Probabilistic Reasoning, Combining Generative Model

• Discreteness in Generative Modeling

• Evaluating Generative Models

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“DPGM” 就可以获取《康奈尔大学「深度概率与生成模型」2021SP课程》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5000+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5000+AI主题知识资源