会员服务
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。
The SVHN Dataset Is Deceptive for Probabilistic Generative Models Due to a Distribution Mismatch
Arxiv
0+阅读 · 2023年12月6日
Time-dependent Probabilistic Generative Models for Disease Progression
Arxiv
0+阅读 · 2023年11月15日
Probabilistic Generative Modeling for Procedural Roundabout Generation for Developing Countries
Arxiv
0+阅读 · 2023年10月5日
Recursive Metropolis-Hastings Naming Game: Symbol Emergence in a Multi-agent System based on Probabilistic Generative Models
Arxiv
0+阅读 · 2023年5月31日
A biology-driven deep generative model for cell-type annotation in cytometry
Arxiv
0+阅读 · 2023年4月21日
Matching-based Data Valuation for Generative Model
Arxiv
0+阅读 · 2023年4月21日
Fed-MIWAE: Federated Imputation of Incomplete Data via Deep Generative Models
Arxiv
0+阅读 · 2023年4月17日
Deep Generative Model and Its Applications in Efficient Wireless Network Management: A Tutorial and Case Study
Arxiv
0+阅读 · 2023年3月30日
A likelihood approach to nonparametric estimation of a singular distribution using deep generative models
Arxiv
0+阅读 · 2023年3月28日
A Probabilistic Generative Model for Tracking Multi-Knowledge Concept Mastery Probability
Arxiv
0+阅读 · 2023年2月17日
Falsehoods that ML researchers believe about OOD detection
Arxiv
0+阅读 · 2022年11月1日
Falsehoods that ML researchers believe about OOD detection
Arxiv
0+阅读 · 2022年10月23日
Gaussian Process Koopman Mode Decomposition
Arxiv
0+阅读 · 2022年9月9日
Community detection and reciprocity in networks by jointly modeling pairs of edges
Arxiv
0+阅读 · 2022年9月6日
Privacy-preserving Data Sharing on Vertically Partitioned Data
Arxiv
0+阅读 · 2022年9月2日
参考链接
父主题
机器学习
生成式模型
微信扫码咨询专知VIP会员
Top