【王小新】深层民德的新论文：基于变分法的自编码生成对抗网络

王小信是从Arxiv编译来的。

量子比特生产|公众号QbitAI

最近，DeepMind的Mihaela Rosca、Balaji Lakshminarayanan和David Warde-Farley等公司发表了题为“基于变分法的自编码生成对抗网络”的文章。

本文提出了利用变分推理将自动编码器与生成对抗网络融合的方法。

摘要

自动编码生成与网络结合标准格式的GAN算法，通过自动编码器提供的重建丢失(construction loss)将原始数据与模型生成的数据区分开来。该模型的目的是根据所有可用数据进行培训，以避免所学生成模型的模式冲突问题。

本文利用构建模型的层次结构，提出了自动编码器与生成网络相结合的规则。根据基本原理，变分推理可以作为网上学习的基本方法，但必须用合成似然性代替随机可能性，用隐式分布代替未知后分布。本文利用鉴别器研究网络的合成似然和隐式后向分布。

因此，我们开发了融合方法，将这两种方法中最好的一种结合起来，生成变分自动编码器和对抗网络。我们设定了共同的优化目标，讨论了引导学习的制约因素，结合大量现有研究，使用了一系列实验，对本文方法的效果进行了系统、定量的评价。

更多实际性能和结果讨论请参阅论文。

P.s .

他们给自己的方法起了“阿尔法间”的名字，原因是肝脏太多，拉丁字母前缀不足，只能写希腊字母。

[结束]

一个通知

杨子伟组成了自动驾驶技术群，以研究自动驾驶相关领域的在校生或一线工程师为对象。欢迎来到量子比特微信(qbitbot)。请加入“自动驾驶”申请~

招聘

杨子伟正在招聘编辑记者、运营、产品等职位，工作地点在北京中关村。详情请在公众号对话界面回答“招聘”。