基于 Stein 变分梯度下降的 VAE 学习
机器学习
2017-11-20 v3
摘要
提出了一种基于 Stein 变分梯度下降学习变分自编码器（VAEs）的新方法。该方法的一个关键优势在于无需对编码器分布的形式做出参数化假设。通过将所提出的编码器与重要性采样相结合，进一步提升了性能。在包括 ImageNet 数据的半监督分析在内的多个无监督和半监督问题上展示了优异性能，证明了该模型对大规模数据集的可扩展性。
引用
@article{arxiv.1704.05155,
title = {VAE Learning via Stein Variational Gradient Descent},
author = {Yunchen Pu and Zhe Gan and Ricardo Henao and Chunyuan Li and Shaobo Han and Lawrence Carin},
journal= {arXiv preprint arXiv:1704.05155},
year = {2017}
}
备注
Accepted to NIPS 2017