会员服务
推断 · GAN · 生成模型 · 对抗自编码 · CASES ·
2018 年 7 月 16 日
Variational Inference: A Unified Framework of Generative Models and Some Revelations
翻译：变化推理:一个统一的产生模型和一些推理框架
Jianlin Su
Jianlin Su
from arxiv, 6 pages, 4 figures

We reinterpreting the variational inference in a new perspective. Via this way, we can easily prove that EM algorithm, VAE, GAN, AAE, ALI(BiGAN) are all special cases of variational inference. The proof also reveals the loss of standard GAN is incomplete and it explains why we need to train GAN cautiously. From that, we find out a regularization term to improve stability of GAN training.


翻译：我们从新的角度重新解释变式推论。 这样, 我们就可以很容易地证明 EM 算法, VAE, GAN, AAE, Alli( BIGAN ) 都是变式推论的特例。 证据还揭示了标准 GAN 的丢失是不完整的, 这解释了为什么我们需要谨慎地培训 GAN 。 从这个角度, 我们发现一个正规化的术语来提高 GAN 培训的稳定性 。
5
下载
关闭预览

相关内容

可解释强化学习，Explainable Reinforcement Learning: A Survey
可解释强化学习，Explainable Reinforcement Learning: A Survey
专知会员服务
126+阅读 · 2020年5月14日
生成式对抗网络GAN在计算机视觉中的应用概述，GANs in computer vision: Introduction to generative learning（part1）
生成式对抗网络GAN在计算机视觉中的应用概述，GANs in computer vision: Introduction to generative learning（part1）
专知会员服务
58+阅读 · 2020年4月19日
生成式对抗网络先验贝叶斯推断，Bayesian Inference with Generative Adversarial Network Priors
生成式对抗网络先验贝叶斯推断，Bayesian Inference with Generative Adversarial Network Priors
专知会员服务
27+阅读 · 2020年2月18日
【华盛顿大学】知识建模+生成式推理，60页ppt，Cracking Commonsense Intelligence with Knowledge Modeling + Generative Reasoning
【华盛顿大学】知识建模+生成式推理，60页ppt，Cracking Commonsense Intelligence with Knowledge Modeling + Generative Reasoning
专知会员服务
50+阅读 · 2019年12月27日
在线变分推断，76页ppt，A Regret Bound for Online Variational Inference
在线变分推断，76页ppt，A Regret Bound for Online Variational Inference
专知会员服务
19+阅读 · 2019年12月2日
【变分推断课件】Lectures on Variational Inference： Approximate Bayesian Inference in Machine Learning（附带pdf）
【变分推断课件】Lectures on Variational Inference： Approximate Bayesian Inference in Machine Learning（附带pdf）
专知会员服务
32+阅读 · 2019年11月30日
【ICCV 2019 Workshop】Geometric View of Optimal Transportation and Generative Adversarial Networks ，石溪大学，哈佛大学 顾险峰教授
【ICCV 2019 Workshop】Geometric View of Optimal Transportation and Generative Adversarial Networks ，石溪大学，哈佛大学 顾险峰教授
专知会员服务
22+阅读 · 2019年10月30日
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
专知会员服务
31+阅读 · 2019年10月17日
机器学习入门的经验与建议
机器学习入门的经验与建议
专知会员服务
90+阅读 · 2019年10月10日
GAN新书《生成式深度学习》，Generative Deep Learning，379页pdf
GAN新书《生成式深度学习》，Generative Deep Learning，379页pdf
专知会员服务
196+阅读 · 2019年9月30日
Transferring Knowledge across Learning Processes
Transferring Knowledge across Learning Processes
CreateAMind
25+阅读 · 2019年5月18日
meta learning 17年：MAML SNAIL
meta learning 17年：MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
disentangled-representation-papers
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
全新视角：用变分推断统一理解生成模型（VAE、GAN、AAE、ALI）
全新视角：用变分推断统一理解生成模型（VAE、GAN、AAE、ALI）
PaperWeekly
15+阅读 · 2018年7月19日
条件GAN重大改进！cGANs with Projection Discriminator
条件GAN重大改进！cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
最新5篇生成对抗网络相关论文推荐—FusedGAN、DeblurGAN、AdvGAN、CipherGAN、MMD GANS
最新5篇生成对抗网络相关论文推荐—FusedGAN、DeblurGAN、AdvGAN、CipherGAN、MMD GANS
专知
23+阅读 · 2018年1月18日
【论文】变分推断（Variational inference)的总结
【论文】变分推断（Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
Auto-Encoding GAN
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
f-VAEGAN-D2: A Feature Generating Framework for Any-Shot Learning
Arxiv
11+阅读 · 2019年3月25日
A Probe into Understanding GAN and VAE models
A Probe into Understanding GAN and VAE models
Arxiv
9+阅读 · 2018年12月13日
Generative Dual Adversarial Network for Generalized Zero-shot Learning
Arxiv
7+阅读 · 2018年11月12日
Training Generative Adversarial Networks Via Turing Test
Training Generative Adversarial Networks Via Turing Test
Arxiv
3+阅读 · 2018年10月25日
ESRGAN: Enhanced Super-Resolution Generative Adversarial Networks
ESRGAN: Enhanced Super-Resolution Generative Adversarial Networks
Arxiv
6+阅读 · 2018年9月17日
Nonparametric Topic Modeling with Neural Inference
Arxiv
3+阅读 · 2018年6月18日
Inference in Probabilistic Graphical Models by Graph Neural Networks
Arxiv
3+阅读 · 2018年5月25日
Generative Model for Heterogeneous Inference
Arxiv
4+阅读 · 2018年4月26日
An Improved Evaluation Framework for Generative Adversarial Networks
Arxiv
3+阅读 · 2018年3月27日
A Unified approach for Conventional Zero-shot, Generalized Zero-shot and Few-shot Learning
Arxiv
4+阅读 · 2017年10月26日
VIP会员
文章信息
前往arXiv
下载PDF
相关主题
推断
GAN
生成模型
对抗自编码
CASES
相关VIP内容
可解释强化学习，Explainable Reinforcement Learning: A Survey
可解释强化学习，Explainable Reinforcement Learning: A Survey
专知会员服务
126+阅读 · 2020年5月14日
生成式对抗网络GAN在计算机视觉中的应用概述，GANs in computer vision: Introduction to generative learning（part1）
生成式对抗网络GAN在计算机视觉中的应用概述，GANs in computer vision: Introduction to generative learning（part1）
专知会员服务
58+阅读 · 2020年4月19日
生成式对抗网络先验贝叶斯推断，Bayesian Inference with Generative Adversarial Network Priors
生成式对抗网络先验贝叶斯推断，Bayesian Inference with Generative Adversarial Network Priors
专知会员服务
27+阅读 · 2020年2月18日
【华盛顿大学】知识建模+生成式推理，60页ppt，Cracking Commonsense Intelligence with Knowledge Modeling + Generative Reasoning
【华盛顿大学】知识建模+生成式推理，60页ppt，Cracking Commonsense Intelligence with Knowledge Modeling + Generative Reasoning
专知会员服务
50+阅读 · 2019年12月27日
在线变分推断，76页ppt，A Regret Bound for Online Variational Inference
在线变分推断，76页ppt，A Regret Bound for Online Variational Inference
专知会员服务
19+阅读 · 2019年12月2日
【变分推断课件】Lectures on Variational Inference： Approximate Bayesian Inference in Machine Learning（附带pdf）
【变分推断课件】Lectures on Variational Inference： Approximate Bayesian Inference in Machine Learning（附带pdf）
专知会员服务
32+阅读 · 2019年11月30日
【ICCV 2019 Workshop】Geometric View of Optimal Transportation and Generative Adversarial Networks ，石溪大学，哈佛大学 顾险峰教授
【ICCV 2019 Workshop】Geometric View of Optimal Transportation and Generative Adversarial Networks ，石溪大学，哈佛大学 顾险峰教授
专知会员服务
22+阅读 · 2019年10月30日
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
专知会员服务
31+阅读 · 2019年10月17日
机器学习入门的经验与建议
机器学习入门的经验与建议
专知会员服务
90+阅读 · 2019年10月10日
GAN新书《生成式深度学习》，Generative Deep Learning，379页pdf
GAN新书《生成式深度学习》，Generative Deep Learning，379页pdf
专知会员服务
196+阅读 · 2019年9月30日
热门VIP内容
相关资讯
Transferring Knowledge across Learning Processes
Transferring Knowledge across Learning Processes
CreateAMind
25+阅读 · 2019年5月18日
meta learning 17年：MAML SNAIL
meta learning 17年：MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
disentangled-representation-papers
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
全新视角：用变分推断统一理解生成模型（VAE、GAN、AAE、ALI）
全新视角：用变分推断统一理解生成模型（VAE、GAN、AAE、ALI）
PaperWeekly
15+阅读 · 2018年7月19日
条件GAN重大改进！cGANs with Projection Discriminator
条件GAN重大改进！cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
最新5篇生成对抗网络相关论文推荐—FusedGAN、DeblurGAN、AdvGAN、CipherGAN、MMD GANS
最新5篇生成对抗网络相关论文推荐—FusedGAN、DeblurGAN、AdvGAN、CipherGAN、MMD GANS
专知
23+阅读 · 2018年1月18日
【论文】变分推断（Variational inference)的总结
【论文】变分推断（Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
Auto-Encoding GAN
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
相关论文
f-VAEGAN-D2: A Feature Generating Framework for Any-Shot Learning
Arxiv
11+阅读 · 2019年3月25日
A Probe into Understanding GAN and VAE models
A Probe into Understanding GAN and VAE models
Arxiv
9+阅读 · 2018年12月13日
Generative Dual Adversarial Network for Generalized Zero-shot Learning
Arxiv
7+阅读 · 2018年11月12日
Training Generative Adversarial Networks Via Turing Test
Training Generative Adversarial Networks Via Turing Test
Arxiv
3+阅读 · 2018年10月25日
ESRGAN: Enhanced Super-Resolution Generative Adversarial Networks
ESRGAN: Enhanced Super-Resolution Generative Adversarial Networks
Arxiv
6+阅读 · 2018年9月17日
Nonparametric Topic Modeling with Neural Inference
Arxiv
3+阅读 · 2018年6月18日
Inference in Probabilistic Graphical Models by Graph Neural Networks
Arxiv
3+阅读 · 2018年5月25日
Generative Model for Heterogeneous Inference
Arxiv
4+阅读 · 2018年4月26日
An Improved Evaluation Framework for Generative Adversarial Networks
Arxiv
3+阅读 · 2018年3月27日
A Unified approach for Conventional Zero-shot, Generalized Zero-shot and Few-shot Learning
Arxiv
4+阅读 · 2017年10月26日
Top
微信扫码咨询专知VIP会员
Top