最新《深度生成式模型进展》视频报告，43页ppt，斯坦福Aditya Grover

生成式模型是以图模型和概率编程语言中的概率推理的重要范式。神经网络对这些模型的参数化和基于梯度的随机优化技术的进步使得高维数据的可扩展建模成为可能。

本教程的前半部分将全面回顾深度生成模型的主要家族，包括生成对抗网络、变分自编码器、标准化流和自回归模型。对于每一个模型，我们将讨论概率公式，学习算法，以及与其他模型的关系。本教程的后半部分将演示在科学发现中使用深度生成模型的方法，例如材料和药物发现、压缩感知等等。最后，我们将讨论该领域目前的挑战和未来研究的前景。

https://dl4sci-school.lbl.gov/agenda