双重随机对抗自编码器
机器学习
2018-07-23 v1 机器学习
摘要
任何自编码器网络都可通过在其隐藏码向量上施加任意先验分布而转变为生成模型。变分自编码器（VAE）[2]使用 KL 散度惩罚来施加先验，而对抗自编码器（AAE）[1]使用生成对抗网络（GAN）[3]。GAN 将采样算法的复杂性替换为极小极大博弈中搜索纳什均衡的复杂性。此类极小极大架构借助数据流经生成器与对抗器的样本和梯度进行训练。对 AAE 的一个直接修改是用最大均值差异（MMD）检验 [4-5] 替换对抗器。这一替换导致了一种新型概率自编码器，本文也对此进行了讨论。我们提出了一种新颖的概率自编码器，其中 AAE 的对抗器被一个随机函数空间所替换。这一替换引入了新的随机性来源，可视为鼓励探索的连续控制。这防止了对抗器过于紧密地拟合生成器，从而产生了更多样化的生成样本集。
引用
@article{arxiv.1807.07603,
title = {Doubly Stochastic Adversarial Autoencoder},
author = {Mahdi Azarafrooz},
journal= {arXiv preprint arXiv:1807.07603},
year = {2018}
}