ALICE：面向联合分布匹配的对抗学习理解
机器学习
2017-11-07 v2 人工智能
计算机视觉与模式识别
机器学习
神经与进化计算
摘要
我们研究了与双向对抗训练用于联合分布匹配相关的不可辨识性问题。在条件熵框架下，我们提出了对抗与非对抗两种方法来学习用于无监督与有监督任务的理想匹配联合分布。我们将广泛的对抗模型家族统一为联合分布匹配问题。我们的方法稳定了无监督双向对抗学习方法的学习过程。此外，我们引入了针对半监督学习任务的扩展。理论结果在合成数据与真实世界应用中得到验证。
引用
@article{arxiv.1709.01215,
title = {ALICE: Towards Understanding Adversarial Learning for Joint Distribution Matching},
author = {Chunyuan Li and Hao Liu and Changyou Chen and Yunchen Pu and Liqun Chen and Ricardo Henao and Lawrence Carin},
journal= {arXiv preprint arXiv:1709.01215},
year = {2017}
}
备注
NIPS 2017 (22 pages); short version (9 pages): http://people.duke.edu/~cl319/doc/papers/nips_2017_alice.pdf