深度生成模型之自编码器与变分自编码器 -＞（个人学习记录笔记）

发布时间：2024年01月02日

文章目录

深度生成模型之自编码器与变分自编码器

自编码器AE

1. 定义

  • Auto-Encoder，学习输入数据的有效编码

在这里插入图片描述

2. 自编码器的应用

  • 降维/可视化，去噪等

在这里插入图片描述

变分自编码器(VAE)

  • Variable Auto-Encoder

在这里插入图片描述

1. 理论求解

  • 给定一个样本x，求解对数边际似然logp(x|θ)

在这里插入图片描述

  • 期望值平均算法(Expectation-Maximum),用于求解含隐变量的参数估计

在这里插入图片描述

2. 模型求解

  • 使用神经网络来估计建模复杂的条件概率密度函数

在这里插入图片描述

  • 梯度下降法求解与近似

在这里插入图片描述

3. 优化目标

  • KL散度+样本重建损失

在这里插入图片描述

4. 再参数化策略

  • 随机变量反向传播问题

在这里插入图片描述

AE与VAE的对比

  • 变分自编码器与自编码器对比，虽然很相似，但原理不同

在这里插入图片描述

AE与VAE的主要局限性

  • 生成结果模糊，不够真实

在这里插入图片描述

  • 注意：部分内容来自阿里云天池
文章来源:https://blog.csdn.net/Slience_me/article/details/135335564
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
最新文章