对抗自编码器
机器学习
2016-05-26 v2
摘要
在本文中，我们提出“对抗自编码器”(AAE)，这是一种概率自编码器，使用最近提出的生成对抗网络(GAN)通过匹配自编码器的隐藏代码向量的聚合后验与任意先验分布来进行变分推断。将聚合后验匹配到先验确保了从先验空间的任何部分生成都会产生有意义的样本。因此，对抗自编码器的解码器学习一个深度生成模型，将施加的先验映射到数据分布。我们展示了对抗自编码器如何用于半监督分类、解耦图像的风格与内容、无监督聚类、降维和数据可视化等应用。我们在MNIST、Street View House Numbers和Toronto Face数据集上进行了实验，表明对抗自编码器在生成建模和半监督分类任务中取得了有竞争力的结果。
引用
@article{arxiv.1511.05644,
title = {Adversarial Autoencoders},
author = {Alireza Makhzani and Jonathon Shlens and Navdeep Jaitly and Ian Goodfellow and Brendan Frey},
journal= {arXiv preprint arXiv:1511.05644},
year = {2016}
}