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

成为VIP会员查看完整内容
31

相关内容

机器学习的一个分支,它基于试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的一系列算法。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
不可错过!华盛顿大学最新《生成式模型》课程,附PPT
专知会员服务
30+阅读 · 2020年12月11日
不可错过!CMU《深度学习导论》2020课程,附课件与视频
专知会员服务
63+阅读 · 2020年10月27日
专知会员服务
40+阅读 · 2020年9月7日
115页Slides带你领略深度生成模型全貌(附PPT)
数据派THU
6+阅读 · 2018年7月31日
探幽深度生成模型的两种方法:VAE和GAN
AI前线
12+阅读 · 2018年3月10日
在TensorFlow中对比两大生成模型:VAE与GAN
机器之心
11+阅读 · 2017年10月23日
Arxiv
0+阅读 · 2021年6月7日
A Probe into Understanding GAN and VAE models
Arxiv
6+阅读 · 2018年12月13日
Arxiv
6+阅读 · 2018年5月21日
VIP会员
微信扫码咨询专知VIP会员