玻尔兹曼编码对抗机
机器学习
2018-04-25 v1 机器学习
摘要
受限玻尔兹曼机(RBMs)是一类生成式神经网络,通常训练以最大化对数似然目标函数。我们认为基于似然的训练策略可能失败,因为该目标函数未能充分惩罚在训练数据分布低概率区域赋予高概率的模型。为克服此问题,我们引入玻尔兹曼编码对抗机(BEAMs)。BEAM 是一种针对对抗者训练的 RBM,该对抗者利用 RBM 的隐藏层激活来区分训练数据与模型所生成的概率分布。我们给出的实验表明,BEAMs 在多个基准上优于 RBMs 与 GANs。
引用
@article{arxiv.1804.08682,
title = {Boltzmann Encoded Adversarial Machines},
author = {Charles K. Fisher and Aaron M. Smith and Jonathan R. Walsh},
journal= {arXiv preprint arXiv:1804.08682},
year = {2018}
}