学习深度能量模型：对比散度与摊销 MLE
机器学习
2017-07-05 v1 机器学习
摘要
我们提出了一系列用于学习深度能量模型的新算法，并展示了它们的性质。我们表明我们的 SteinCD 在测试似然方面表现良好，而 SteinGAN 在生成逼真图像方面表现良好。我们的结果提出了通过将 GAN 风格的方法与传统基于能量的学习相结合来学习更好模型的有前景的方向。
引用
@article{arxiv.1707.00797,
title = {Learning Deep Energy Models: Contrastive Divergence vs. Amortized MLE},
author = {Qiang Liu and Dilin Wang},
journal= {arXiv preprint arXiv:1707.00797},
year = {2017}
}