从图模型视角看深度生成模型学习的综述
机器学习
2019-03-28 v4 机器学习
摘要
本文旨在对深度生成模型(DGMs)的学习进行综述，这是机器学习乃至更广义人工智能中高度活跃的领域。本综述并非教程，但在必要时为完整性提供自包含的推导。本综述有两个特点。首先，尽管对 DGMs 有不同的分类视角，我们选择从图建模的视角组织本综述，因为有向 DGMs 与无向 DGMs 的学习方法根本不同。其次，我们将模型定义与模型学习算法区分开来，因为不同的学习算法可应用于解决同一模型上的学习问题，而一种算法也可用于学习不同的模型。因此我们分离模型定义与模型学习，更侧重于综述、区分和联系不同的学习算法。我们也讨论有前景的未来研究方向。
引用
@article{arxiv.1808.01630,
title = {A Review of Learning with Deep Generative Models from Perspective of Graphical Modeling},
author = {Zhijian Ou},
journal= {arXiv preprint arXiv:1808.01630},
year = {2019}
}
备注
add SN-GANs, SA-GANs, conditional generation (cGANs, AC-GANs). arXiv admin note: text overlap with arXiv:1606.00709, arXiv:1801.03558 by other authors