三个概率家族的故事：判别模型、描述模型与生成模型
机器学习
2018-12-05 v2 计算机视觉与模式识别
机器学习
摘要
Grenander 的模式理论是一个数学框架，其中模式由代数结构随机变量上的概率模型表示。在本文中，我们综述三类概率模型，即判别模型、描述模型和生成模型。判别模型以分类器的形式出现，它指定给定输入信号时类标签的条件概率。描述模型基于定义在信号上的能量函数指定信号的概率分布。生成模型假设信号通过某种变换由隐变量生成。我们将在一个共同框架内综述这些模型并探索它们之间的联系。我们还将综述利用深度神经网络高逼近能力的最近进展。
引用
@article{arxiv.1810.04261,
title = {A Tale of Three Probabilistic Families: Discriminative, Descriptive and Generative Models},
author = {Ying Nian Wu and Ruiqi Gao and Tian Han and Song-Chun Zhu},
journal= {arXiv preprint arXiv:1810.04261},
year = {2018}
}