BRUNO：一种用于可交换数据的深度循环模型
机器学习
2018-10-17 v3
摘要
我们提出了一种新颖的模型架构，利用深度学习工具对高维复杂观测集合进行精确的贝叶斯推断。我们的模型是可证明可交换的，即观测上的联合分布在置换下不变：这一性质是贝叶斯推断的核心。该模型训练不需要变分近似，并且可以在先前样本的条件下生成新样本，其代价与条件集合的大小成线性关系。我们的架构的优势在学习任务中得到了展示，这些任务需要从短观测序列中泛化同时建模序列变异性，例如条件图像生成、少样本学习和异常检测。
引用
@article{arxiv.1802.07535,
title = {BRUNO: A Deep Recurrent Model for Exchangeable Data},
author = {Iryna Korshunova and Jonas Degrave and Ferenc Huszár and Yarin Gal and Arthur Gretton and Joni Dambre},
journal= {arXiv preprint arXiv:1802.07535},
year = {2018}
}
备注
NIPS 2018