共轭能量模型
机器学习
2021-06-28 v1 机器学习
摘要
在本文中，我们提出共轭能量模型（CEBMs），这是一类新的能量模型，定义了数据与前因变量上的联合密度。CEBM 的联合密度分解为数据上难以处理的分布与前因变量上易处理的后验分布。CEBM 与变分自编码器具有类似的使用场景，即它们学习从数据到前因变量的无监督映射。然而，这些模型省略了生成器网络，这使得它们能够学习数据点之间更灵活的相似性概念。我们的实验表明，共轭能量模型在图像建模、前因空间预测能力以及多种数据集上的域外检测方面取得了具有竞争力的结果。
引用
@article{arxiv.2106.13798,
title = {Conjugate Energy-Based Models},
author = {Hao Wu and Babak Esmaeili and Michael Wick and Jean-Baptiste Tristan and Jan-Willem van de Meent},
journal= {arXiv preprint arXiv:2106.13798},
year = {2021}
}