Scifaro

中文

基于非归一化分布的采样器对抗学习

机器学习 2019-01-04 v1 人工智能机器学习

作者: Chunyuan Li , Ke Bai , Jianqiao Li , Guoyin Wang , Changyou Chen , Lawrence Carin

在 arXiv 上查看 ↗ PDF ↗

摘要

我们研究仅能访问密度的非归一化形式而非样本的对抗学习情形。借助由此获得的见解，对抗学习被扩展到人们可访问目标密度函数非归一化形式u(x)但无样本的情况。此外，基于从样本或u(x)学习，发展了GAN正则化的新概念。所提方法与替代方法进行比较，在一系列应用中展示了令人鼓舞的结果，包括深度软Q学习。

关键词

对抗学习非归一化密度生成对抗网络采样器正则化深度软Q学习

引用

@article{arxiv.1901.00612,
  title  = {Adversarial Learning of a Sampler Based on an Unnormalized Distribution},
  author = {Chunyuan Li and Ke Bai and Jianqiao Li and Guoyin Wang and Changyou Chen and Lawrence Carin},
  journal= {arXiv preprint arXiv:1901.00612},
  year   = {2019}
}

备注

Published in AISTATS 2019; Code: https://github.com/ChunyuanLI/RAS