无监督学习(unsupervised learning) 5.生成模型
来源:互联网 发布:蜂窝数据qq打不开 编辑:程序博客网 时间:2024/05/18 05:46
无监督学习(unsupervised learning) 5.生成模型
1 PixelRNN
- 每次生成一个像素,下一个像素由之前所有的pixel决定
- 应用:image、audio
- tips:每个像素用 1-of-N encoding feature 来表示——类似的颜色先进行聚类(得到167个不同的颜色)
2 Variational Auto-Encoder(VAE)
- 变分自编码器:结构类似,加了一些trick
- encoder之后输出两个向量,from a normal distribution,与这两个向量最内积,作和成为mode,decoder部分 minize reconstruction error。
min∑i=13(exp(σi)−(1+σi)+m2i)
应用:画神奇宝贝、写诗
Gaussian Mixture Model:估计采用的模型是几个高斯模型的加权和
P(x)=∑mP(m)P(x|m) - Maximizing Likelihood:
L=∑xlogP(x) logP(x)=∫zq(z|x)logP(x)dz=∫zq(z|x)log(P(z,x)q(z|x)P(z|x)q(z|x))dz =∫zq(z|x)log(P(z,x)q(z|x))dz+∫zq(z|x)log(q(z|x)P(z|x))dz(KL散度)≥∫zq(z|x)log(P(x|z)P(z)q(z|x))dz logP(x)=Lb+KL(q(z|x)||P(z|x)) - Find
P(x|z),q(z|x) maxLb - 最终
q(z|x) 成为p(z|x) 的估计 Lb=−KL(q(z|x)||P(z))+∫zq(z|x)logP(x|z) → minKL(q(z|x)||P(z))+max∫zq(z|x)logP(x|z)
- Maximizing Likelihood:
VAE的问题:并没有学习真实的图片,VAE产生的只是数据库中图片的线性组合,或只是模仿。没有办法产生新的图片。
3 Generative Adversarial Network(GAN)
- Yang LeCun高度评价:近十年最有趣的想法。
- GAN-Discriminator:VAE生成一些假的图片标注为0,和一些真的图片标注为1放在一起训练,目标分辨图片的真假。
- GAN-Generator:通过Genator生成图片让Discriminator分辨,争取骗过它。梯度下降调整Generator的参数(锁住Discriminator的参数)
- GANs优化十分困难!!!因为没有很好的信号,没有评价generator的函数(loss函数)
0 0
- 无监督学习(unsupervised learning) 5.生成模型
- 无监督学习(Unsupervised Learning)
- 无监督学习(unsupervised learning)
- 监督学习(supervised learning)和无监督学习(unsupervised learning)
- 无监督学习(unsupervised learning) 1.线性方法
- 无监督学习(unsupervised learning) 2.词嵌入
- 无监督学习(unsupervised learning) 3.近邻嵌入
- 无监督学习(unsupervised learning) 4.自编码器
- Machine Learning Algorithms Study Notes(4)—无监督学习(unsupervised learning)
- 机器学习之无监督特征学习——Unsupervised feature learning and deep learning
- [机器学习入门] 李宏毅机器学习笔记-14 (Unsupervised Learning: Linear Dimension Reduction;无监督学习:线性降维)
- [机器学习入门] 李宏毅机器学习笔记-15 (Unsupervised Learning: Word Embedding;无监督学习:词嵌入)
- [机器学习入门] 李弘毅机器学习笔记-16 (Unsupervised Learning: Neighbor Embedding;无监督学习:邻域嵌套)
- 无监督特征学习——Unsupervised feature learning and deep learning
- 无监督特征学习——Unsupervised feature learning and deep learning
- 无监督特征学习——Unsupervised feature learning and deep learning
- 无监督特征学习——Unsupervised feature learning and deep learning
- 无监督特征学习——Unsupervised feature learning and deep learning
- 对事物的理解
- Linux学习之内核模块开发详解
- 软件项目规模评估
- 第一单元:微积分
- AOP之代理模式与装饰着模式
- 无监督学习(unsupervised learning) 5.生成模型
- 失眠有感
- [JS]前端下载的实现
- 小白学习作业-Day02
- 开通博客喽!
- Android异步线程之AsyncTask
- 《风之旅人》游戏设计思想一
- 【测试】
- 题目1102:最小面积子矩阵