在我们看来,可以根据其数据生成过程将普遍使用的深层生成模式分为两种方法。第一种方法涉及为函数g:r d 0→r d构建估计值ˆ g,通常称为发电机。然后,从已知的D 0尺寸分布(例如标准正常或均匀)中绘制样品z,ˆ g(z)被视为估计分布中的样品。因此,ˆ g(z)的分布(或deNSISTIS)是P 0(或p 0)的间接估计器。变化自动编码器(VAE)(Kingma和Welling,2014; Rezende等,2014),正常化流量(NF)(Dinh等,2015; Rezende and Mohamed,2015)和生成的对抗性网络(GAN)(GAN-LOW-LOW-LOW。 Al。,2017年)是重要的例子。
主要关键词
![arxiv:2305.06755v3 [Math.st] 2024年2月8日PDF文件第1页](/bimg/3/368e8cbc10d32a8b040f59d3d39ab8f49a482dab.webp)
![arxiv:2305.06755v3 [Math.st] 2024年2月8日PDF文件第2页](/bimg/c/ce9e2327ce13c0d3cf0c408ccdf5c98f14606eb1.webp)
![arxiv:2305.06755v3 [Math.st] 2024年2月8日PDF文件第3页](/bimg/5/53df482897f58a73683e2a0199826294c2ec1f32.webp)
![arxiv:2305.06755v3 [Math.st] 2024年2月8日PDF文件第4页](/bimg/6/6929df75cf1a0330b370d92b729406b6acc86fc8.webp)
![arxiv:2305.06755v3 [Math.st] 2024年2月8日PDF文件第5页](/bimg/f/f60da19cbff0fe06264105c0822ef27103c99ae0.webp)
