校准基于能量的生成对抗网络
机器学习
2017-02-27 v2
摘要
在本文中，我们提出为生成对抗网络配备为样本产生直接能量估计的能力。具体地，我们提出一个灵活的对抗训练框架，并证明该框架不仅确保生成器收敛到真实数据分布，而且使判别器在全局最优处保留密度信息。我们推导了诱导解析解的形式，并分析了其性质。为了使所提框架在实践中可训练，我们引入了两种有效的近似技术。经验上，实验结果紧密匹配我们的理论分析，验证了判别器能够恢复数据分布的能量。
引用
@article{arxiv.1702.01691,
title = {Calibrating Energy-based Generative Adversarial Networks},
author = {Zihang Dai and Amjad Almahairi and Philip Bachman and Eduard Hovy and Aaron Courville},
journal= {arXiv preprint arXiv:1702.01691},
year = {2017}
}
备注
ICLR 2017 camera ready