生成对抗网络中译版方法部分.pdfVIP

下载本文档

4
0
约7.93千字
约 5页
2023-09-16 发布于北京
举报
版权申诉

生成对抗网络中译版方法部分.pdf

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

贝叶斯生成对抗网络译者：秦堃摘要：生成对抗网络（GANs ）可以隐式地学习丰富的分布，这些分布来自图像，语音和那些难以用显示似然建模的数据。我们给出了一个可行的 Bayesian 范式，并结合 GANs 实现了无监督和半监督学习。在该框架内，我们利用随机梯度哈密尔顿蒙特卡洛方法实现生成器和判别器权值的边缘化计算。该方法简单明了，且在未使用任何诸如特征匹配，小批量判别的干预方法下获得了良好的表现。通过寻找一个可表达的生成器参数后验分布，