信息论学习自编码器
机器学习
2016-03-23 v1
摘要
我们提出将信息论学习（ITL）散度度量用于神经网络的正则化。我们还探索了ITL正则化自编码器，作为变分自编码贝叶斯、对抗自编码器和生成对抗网络的替代方案，用于在不显式定义配分函数的情况下随机生成样本数据。本文还在ITL框架下形式化了生成矩匹配网络。
引用
@article{arxiv.1603.06653,
title = {Information Theoretic-Learning Auto-Encoder},
author = {Eder Santana and Matthew Emigh and Jose C Principe},
journal= {arXiv preprint arXiv:1603.06653},
year = {2016}
}
备注
8 pages, 4 figures