深度自回归网络
机器学习
2014-05-21 v2 机器学习
摘要
我们引入了一种深度生成式自编码器，能够从数据中学习分布式表示的层次结构。连续的深度随机隐藏层配备了自回归连接，这使得模型能够通过祖先采样快速且精确地进行采样。我们推导了一种基于最小描述长度 (MDL) 原理的高效近似参数估计方法，该方法可视为最大化对数似然的变分下界，并由前馈神经网络实现近似推断。我们在多个经典数据集上展示了最先进的生成性能：包括多个 UCI 数据集、MNIST 以及 Atari 2600 游戏。
引用
@article{arxiv.1310.8499,
title = {Deep AutoRegressive Networks},
author = {Karol Gregor and Ivo Danihelka and Andriy Mnih and Charles Blundell and Daan Wierstra},
journal= {arXiv preprint arXiv:1310.8499},
year = {2014}
}
备注
Appears in Proceedings of the 31st International Conference on Machine Learning (ICML), Beijing, China, 2014