受压缩感知启发,斯坦福 AI 研究院提出新的无监督表示学习框架!

  1. 云栖社区>
  2. 阿里双创在线>
  3. 博客>
  4. 正文

受压缩感知启发,斯坦福 AI 研究院提出新的无监督表示学习框架!

雷锋网 2019-06-19 14:24:30 浏览389
展开阅读全文

雷锋网(公众号:雷锋网) AI 科技评论按:如今,说到图像领域的生成式模型,大家往往会想到对抗生成网络(GAN)和自编码器(AE)。本文介绍了斯坦福 AI 研究院的研究人员如何从统计压缩感知技术中汲取灵感设计出的非确定性自编码器(该编码器在自编码器的潜在空间中对不确定性进行建模),并巧妙地使用变分技术为其设计目标函数,相较于传统方法,该模型的性能有巨大的提升。斯坦福 AI 研究院将这一成果进行了介绍,雷锋网 AI 科技评论编译如下。

压缩感知技术能够通过低维投影有效地采集和恢复稀疏的高维数据信号。 我们在 AISTATS 2019发表的一篇论文(https://arxiv.org/pdf/1812.10539)中提出了非确定性自编码器(UAE),把低维投影作为自编码器的带噪声的潜在表示,并通过一个可跟踪的变分信息最大化目标直接对

网友评论

登录后评论
0/500
评论
雷锋网
+ 关注
所属云栖号: 阿里双创在线