logo资料库

生成式对抗网络入门篇(含公式推导与理论证明).pdf

第1页 / 共59页
第2页 / 共59页
第3页 / 共59页
第4页 / 共59页
第5页 / 共59页
第6页 / 共59页
第7页 / 共59页
第8页 / 共59页
资料共59页,剩余部分请下载后查看
GANs:生成式对抗网络 GANser:刘少鹏
GANs: Generative Adversarial Networks
Outline • 生成模型 • 生成式对抗网络 • DCGANs
判别模型和生成模型 • 判别模型:后验概率最大化 • 生成模型:联合概率最大化 • 对于(1,0), (1,0), (2,0), (2, 1) • p(x,y) 为 • p(y|x) 为 1. 适合生成模型的任务: 图像生成,人机对话,机器翻译等; 2.典型的模型包括:朴素贝叶斯、LDA、 HMM 1. 适合判别模型的任务: 图像分类等; 2. 典型的模型包括:LR, SVM, CRF, Boosting, Decision tree
生成模型目标
生成模型数学基础
生成模型的研究意义 • 使用复杂概率分布描述数据 • 学习高维数据的低维特征表示 • 无监督学习(包括半监督学习) • 多模态数据 • 实际生成任务(参考lan goodfellow NIPS 2016)
分享到:
收藏