JointGAN：基于生成对抗网络的多域联合分布学习
机器学习
2018-06-11 v1 机器学习
摘要
我们提出了一种用于联合分布匹配的新生成对抗网络。与多数仅学习条件分布的现有方法不同，所提模型旨在学习多个随机变量（域）的联合分布。这是通过在学习各域间条件分布采样的同时，学习每个单独域边缘分布采样来实现的。所提框架由多个生成器与单个基于 softmax 的判别器组成，均通过对抗学习联合训练。从简单噪声源出发，所提框架可合成来自边缘分布的样本、给定部分随机变量观测的条件样本，或来自完整联合分布的全体样本。考虑的大多数示例用于两域联合分析，也给出了三域示例。
引用
@article{arxiv.1806.02978,
title = {JointGAN: Multi-Domain Joint Distribution Learning with Generative Adversarial Nets},
author = {Yunchen Pu and Shuyang Dai and Zhe Gan and Weiyao Wang and Guoyin Wang and Yizhe Zhang and Ricardo Henao and Lawrence Carin},
journal= {arXiv preprint arXiv:1806.02978},
year = {2018}
}
备注
Accepted by ICML 2018