深度生成模型基本都是以某种方式寻找并表达(多变量)数据的概率分布。有基于无向图模型(马尔可夫模型)的联合概率分布模型,另外就是基于有向图模型(贝叶斯模型)的条件概率分布。前者的模型是构建隐含层(latent)和显示层(visible)的联合概率,然后去采样。基于有向图的则是寻找latent和visible之间的条件概率分布,也就是给定一个随机采样的隐含层,模型可以生成数据。 生成模型的训练是一个非监督过程,输入只需要无标签的数据。除了可以生成数据,还可以用于半监督的学习。

精品内容

Cell子刊综述|深度生成模型重塑药物研发
专知会员服务
14+阅读 · 11月1日
Cell子刊综述|深度生成模型重塑药物研发
专知会员服务
6+阅读 · 10月31日
深度生成模型综述
专知会员服务
44+阅读 · 1月2日
【NeurIPS 2021】基于潜在空间能量模型的可控和组分生成
专知会员服务
14+阅读 · 2021年10月23日
专知会员服务
24+阅读 · 2021年7月19日
专知会员服务
33+阅读 · 2021年7月4日
专知会员服务
34+阅读 · 2021年4月24日
专知会员服务
145+阅读 · 2020年11月23日
最新【深度生成模型】Deep Generative Models,104页ppt
专知会员服务
57+阅读 · 2020年10月24日
参考链接
微信扫码咨询专知VIP会员