×

制造

swMATH ID: 36209
软件作者: 马修·日尔曼(Mathieu Germain)、卡罗尔·格雷戈(Karol Gregor)、伊恩·默里(Iain Murray)、雨果·拉罗谢尔(Hugo Larochelle)
描述: MADE:用于分布估计的屏蔽自动编码器。最近,人们对设计神经网络模型来从一组例子中估计分布产生了很大的兴趣。我们介绍了对自动编码器神经网络的一个简单修改,它可以产生强大的生成模型。我们的方法屏蔽了自动编码器的参数,以遵守自回归约束:每个输入仅根据给定顺序的先前输入进行重构。通过这种方式约束,自动编码器的输出可以解释为一组条件概率及其乘积,即全联合概率。我们还可以训练一个网络,将联合概率分解为多个不同的顺序。我们的简单框架可以应用于多种架构,包括深层架构。矢量化实现,例如在GPU上,简单而快速。实验表明,该方法与最先进的可处理分布估计方法具有竞争力。在测试时,该方法明显快于其他自回归估计量,且具有更好的伸缩性。
主页: https://arxiv.org/abs/11502.03509
源代码:  https://github.com/mgermain/MADE
关键词: 机器学习;arXiv_cs。LG公司;神经计算;进化计算;arXiv_cs。;机器学习;arXiv_状态ML;屏蔽自动编码器;分布估计
相关软件: 辉光;低碳所;UCI-毫升;FFJORD公司;github;NADE公司;国家科学基金;n流量;亚当;火炬差异;MNIST公司;达奇;PyTorch公司;阳极;i-RevNet公司;f-甘氨酸;Wasserstein甘;坚果;西雅娜;TensorFlow公司
引用于: 17文件

标准条款

1出版物描述软件 年份
MADE:用于分布估计的屏蔽自动编码器arXiv公司
马修·日尔曼(Mathieu Germain)、卡罗尔·格雷戈(Karol Gregor)、伊恩·默里(Iain Murray)、雨果·拉罗谢尔(Hugo Larochelle)
2015

按年份列出的引文