Thống kê và dữ liệu lớn variational-bayes

7

Thủ thuật tái thông số cho VAE hoạt động như thế nào và tại sao nó quan trọng?

Làm thế nào để lừa reparameterization cho autoencoders biến phân (VAE) làm việc? Có một lời giải thích trực quan và dễ dàng mà không đơn giản hóa toán học cơ bản? Và tại sao chúng ta cần 'mánh khóe'?

57 mathematical-statistics autoencoders variational-bayes generative-models

1

Suy luận biến đổi so với MCMC: khi nào nên chọn cái này hơn cái kia?

Tôi nghĩ rằng tôi có được ý tưởng chung về cả VI và MCMC, bao gồm các hương vị khác nhau của MCMC như lấy mẫu Gibbs, Metropolis Hastings, v.v. Bài viết này cung cấp một giải thích tuyệt vời về cả hai phương pháp. Tôi có các câu hỏi …

36 machine-learning bayesian mcmc variational-bayes approximate-inference

1

Mối quan hệ giữa Bayes và EM

Tôi đã đọc ở đâu đó rằng phương pháp Variational Bayes là một khái quát của thuật toán EM. Thật vậy, các phần lặp của các thuật toán rất giống nhau. Để kiểm tra xem thuật toán EM có phải là phiên bản đặc biệt của Biến thể Bay không, …

26 bayesian expectation-maximization variational-bayes

2

Làm thế nào để giảm cân KLD so với mất tái thiết trong bộ mã hóa tự động đa dạng

trong gần như tất cả các ví dụ mã mà tôi đã thấy về VAE, các hàm mất được định nghĩa như sau (đây là mã tenorflow, nhưng tôi đã thấy tương tự đối với theano, đèn pin, v.v. Nó cũng là một mạng lưới, nhưng điều đó cũng không …

26 machine-learning deep-learning tensorflow autoencoders variational-bayes

1

Bộ biến đổi tự động biến đổi là gì và chúng được sử dụng cho các nhiệm vụ học tập nào?

Theo này và này câu trả lời, autoencoders dường như là một kỹ thuật mà sử dụng mạng thần kinh để giảm kích thước. Ngoài ra, tôi cũng muốn biết bộ giải mã tự động biến đổi là gì (sự khác biệt / lợi ích chính của nó so với …

24 machine-learning bayesian deep-learning autoencoders variational-bayes

4

Khi nào tôi nên sử dụng bộ mã hóa tự động thay đổi so với bộ mã hóa tự động?

Tôi hiểu cấu trúc cơ bản của bộ mã hóa tự động biến đổi và bộ mã hóa tự động (xác định) thông thường và toán học đằng sau chúng, nhưng khi nào và tại sao tôi lại thích một loại bộ mã hóa tự động hơn loại kia? Tất …

19 deep-learning autoencoders variational-bayes

1

Năng lực của điểm số của một mô hình học máy là gì?

Tôi đang nghiên cứu Hướng dẫn này về Bộ biến đổi tự động biến đổi của Carl Doersch . Trong trang thứ hai có ghi: Một trong những khung phổ biến nhất như vậy là Bộ biến đổi tự động biến đổi [1, 3], chủ đề của hướng dẫn này. …

15 machine-learning deep-learning autoencoders variational-bayes

3

Phân phối 'có thể kéo được có nghĩa là gì?

Ví dụ, trong mạng đối nghịch tổng quát, chúng ta thường nghe rằng suy luận là dễ dàng vì phân phối có điều kiện của x cho biến tiềm ẩn z là 'có thể điều chỉnh được'. Ngoài ra, tôi đã đọc ở đâu đó rằng máy Boltzmann và bộ …

13 inference variational-bayes gan

3

ý nghĩa của việc tích hợp số là quá đắt?

Tôi đang đọc về suy luận Bayes và tôi đã bắt gặp cụm từ "tích hợp số của khả năng cận biên là quá đắt" Tôi không có nền tảng về toán học và tôi đã tự hỏi chính xác thì đắt ở đây nghĩa là gì? Có phải chỉ …

12 bayesian numerical-integration variational-bayes approximate-inference

1

Suy luận biến đổi, phân kỳ KL yêu cầu đúng

Theo hiểu biết của tôi (rất khiêm tốn) về suy luận đa dạng, người ta cố gắng xấp xỉ một phân phối chưa biết bằng cách tìm một phân phối tối ưu hóa các điều sau:pppqqq KL(p||q)=∑xp(x)logp(x)q(x)KL(p||q)=∑xp(x)logp(x)q(x)KL (p||q) = \sum\limits_{x} p(x)log \frac {p(x)}{q(x)} Bất cứ khi nào tôi đầu tư …

12 variational-bayes

1

Sự khác biệt giữa VAE và Stochastic Backpropagation cho Deep Generative Model là gì?

Sự khác biệt giữa Bay biến đổi mã hóa tự động và Backpropagation Stochastic cho các mô hình tạo sâu là gì? Liệu suy luận trong cả hai phương pháp có dẫn đến cùng một kết quả không? Tôi không biết về bất kỳ so sánh rõ ràng nào giữa …

10 deep-learning inference latent-variable variational-bayes sgd

2

Mất KL với một đơn vị Gaussian

Tôi đã triển khai VAE và tôi nhận thấy hai cách triển khai trực tuyến khác nhau về phân kỳ gaussian đơn biến đơn giản. Phân kỳ ban đầu theo ở đây là Nếu chúng tôi giả sử trước là đơn vị gaussian tức là và , điều này đơn …

10 inference kullback-leibler autoencoders variational-bayes

1

Bay Variational kết hợp với Monte Carlo

Tôi đang đọc Bayes đa dạng và khi tôi hiểu nó, có ý tưởng rằng bạn xấp xỉ (trong đó là các biến tiềm ẩn của mô hình của bạn và dữ liệu được quan sát) với một hàm , đưa ra giả định rằng nhân tố là trong đó …

10 variational-bayes

2

Ước lượng không chắc chắn trong các vấn đề suy luận chiều cao mà không cần lấy mẫu?

Tôi đang làm việc với một vấn đề suy luận chiều cao (khoảng 2000 tham số mô hình) mà chúng tôi có thể thực hiện mạnh mẽ ước tính MAP bằng cách tìm mức tối đa toàn cầu của log-posterior bằng cách sử dụng kết hợp tối ưu hóa dựa …

9 bayesian uncertainty high-dimensional variational-bayes

2

Áp dụng suy luận đa dạng ngẫu nhiên cho hỗn hợp Bayes của Gaussian

Tôi đang cố gắng thực hiện mô hình Hỗn hợp Gaussian với suy luận đa dạng ngẫu nhiên, theo bài viết này . Đây là pgm của hỗn hợp Gaussian. Theo bài báo, thuật toán đầy đủ của suy luận biến thiên ngẫu nhiên là: Và tôi vẫn còn rất …

9 machine-learning bayesian clustering gaussian-mixture variational-bayes

Câu hỏi được gắn thẻ «variational-bayes»