生成式深度学习理论：基于范数容量控制探测经验误差景观
机器学习
2018-10-04 v1 计算机视觉与模式识别
摘要
尽管深度学习作为人工智能中极具竞争力的一支取得了显著的经验成功，但它常因其广为人知的可解释性低和缺乏坚实严谨的数学基础而受诟病。然而，大多理论努力都投入于判别型深度学习情形，其互补部分是生成式深度学习。据我们所知，我们首次通过基于范数容量控制下精心设计的图像超分辨率，突出生成情形中的经验误差景观以补全全貌。我们在训练动态解释上的理论进展是从数学和生物学两方面取得的。
引用
@article{arxiv.1810.01622,
title = {Theory of Generative Deep Learning : Probe Landscape of Empirical Error via Norm Based Capacity Control},
author = {Wendi Xu and Ming Zhang},
journal= {arXiv preprint arXiv:1810.01622},
year = {2018}
}
备注
2018 5th IEEE International Conference on Cloud Computing and Intelligence Systems