重要性加权生成网络
机器学习
2020-09-08 v3 机器学习
摘要
深度生成网络可以通过最小化相对于来自目标分布样本的损失,来模拟复杂的目标分布。然而,我们通常无法直接访问目标分布——我们的数据可能受到样本选择偏差的影响,或者可能来自不同但相关的分布。我们提出基于重要性加权的方法,能够在多种场景下估计相对于目标分布的损失,即使我们无法直接访问该分布。这些估计器通过差分加权数据对损失函数的贡献,提供了理论保证并展现出出色的经验性能。
引用
@article{arxiv.1806.02512,
title = {Importance Weighted Generative Networks},
author = {Maurice Diesendruck and Ethan R. Elenberg and Rajat Sen and Guy W. Cole and Sanjay Shakkottai and Sinead A. Williamson},
journal= {arXiv preprint arXiv:1806.02512},
year = {2020}
}