变分自编码器教程
机器学习
2021-01-05 v3 机器学习
摘要
在短短三年内，变分自编码器已成为对复杂分布进行无监督学习的最流行方法之一。VAE 之所以具有吸引力，是因为它们建立在标准函数逼近器（神经网络）之上，并且可以通过随机梯度下降进行训练。VAE 在生成多种复杂数据方面已经展现出潜力，包括手写数字、人脸、门牌号、CIFAR 图像、场景的物理模型、分割以及从静态图像预测未来。本教程介绍了 VAE 背后的直觉，解释了其背后的数学原理，并描述了一些经验行为。本教程不假设读者具备变分贝叶斯方法的先验知识。
引用
@article{arxiv.1606.05908,
title = {Tutorial on Variational Autoencoders},
author = {Carl Doersch},
journal= {arXiv preprint arXiv:1606.05908},
year = {2021}
}