可扩展高斯过程变分自编码器
机器学习
2021-02-25 v3 机器学习
摘要
传统的变分自编码器因其使用因子化先验而无法对数据点间相关性建模。通过 GP-VAE 进行的摊销高斯过程推断在这方面带来了显著改进，但仍受精确 GP 推断固有复杂度的制约。我们通过原则性的稀疏推断方法提升了这些方法的可扩展性。我们提出了一种新的可扩展 GP-VAE 模型，在运行时间与内存占用上优于现有方法，易于实现，并允许对所有组件进行联合端到端优化。
引用
@article{arxiv.2010.13472,
title = {Scalable Gaussian Process Variational Autoencoders},
author = {Metod Jazbec and Matthew Ashman and Vincent Fortuin and Michael Pearce and Stephan Mandt and Gunnar Rätsch},
journal= {arXiv preprint arXiv:2010.13472},
year = {2021}
}
备注
Published at AISTATS 2021