通过生成数学对象度量神经生成模型输出的全局性质
机器学习
2021-05-31 v1 组合数学
机器学习
摘要
我们在自反多面体数据集上训练深度生成模型。这使我们能够比较模型在生成样本的各类全局性质上学习得有多好。我们的数据集是完备的，意指直至坐标变换的每一个样本都包含在数据集中。利用此性质我们还进行了检验，以考察模型在多大程度上仅仅是记忆数据。我们还在以两种不同方式表示的同一数据集上训练模型，从而能够度量哪种形式最易于学习。我们利用这些实验表明，深度生成模型可以学会生成具有非平凡全局性质的几何对象，且模型学习到了对象的某些底层性质，而非简单地记忆数据。
引用
@article{arxiv.2105.13669,
title = {Measuring global properties of neural generative model outputs via generating mathematical objects},
author = {Bernt Ivar Utstøl Nødland},
journal= {arXiv preprint arXiv:2105.13669},
year = {2021}
}