漏斗层：带降维的精确最大似然
机器学习
2021-12-16 v1 机器学习
摘要
归一化流（normalizing flows）是微分同胚的、通常保持维度的模型，使用模型的似然进行训练。我们利用 SurVAE 框架，通过一种称为漏斗（funnel）的新层构建降维满射流。我们在多个数据集上展示了其有效性，并表明其在潜在空间尺寸减小的同时，性能优于或与现有流相当。漏斗层可由包括受限卷积和前馈层在内的广泛变换构造。
引用
@article{arxiv.2112.08069,
title = {Funnels: Exact maximum likelihood with dimensionality reduction},
author = {Samuel Klein and John A. Raine and Sebastian Pina-Otey and Slava Voloshynovskiy and Tobias Golling},
journal= {arXiv preprint arXiv:2112.08069},
year = {2021}
}
备注
16 pages, 5 figures, 8 tables