Файл:Auto-Encoding Variational Bayes 1312.6114v10.pdf

Материал из Материалы по машинному обучению
Перейти к: навигация, поиск
Auto-Encoding_Variational_Bayes_1312.6114v10.pdf(0 × 0 пикселей, размер файла: 3,74 МБ, MIME-тип: application/pdf)

DiederikP.Kingma Machine Learning Group Universiteit van Amsterdam dpkingma@gmail.com MaxWelling Machine Learning Group Universiteit van Amsterdam welling.max@gmail.com


Abstract

How can we perform efficient inference and learning in directed probabilistic models, in the presence of continuous latent variables with intractable posterior distributions, and large datasets? We introduce a stochastic variational inference and learning algorithm that scales to large datasets and, under some mild differentiability conditions, even works in the intractable case. Our contributions is two-fold. First, we show that a reparameterization of the variational lower bound yields alower bound estimator that can be straight forwardly optimized using standard stochastic gradient methods. Second, we show that for i.i.d. datasets with continuous latent variables per datapoint, posterior inference can be made especially efficient by fitting an approximate inference model (also called a recognition model) to the intractable posterior using the proposed lower bound estimator. Theoretical advantages are reflected in experimental results

История файла

Нажмите на дату/время, чтобы просмотреть, как тогда выглядел файл.

Дата/времяРазмерыУчастникПримечание
текущий17:48, 23 декабря 20160 × 0 (3,74 МБ)Slikos (обсуждение | вклад)
  • Вы не можете перезаписать этот файл.

Следующая 1 страница ссылается на данный файл: