×

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以从一组示例中估计分布产生了很大兴趣。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:每个输入仅从给定顺序的先前输入重建。受此约束,自动编码器输出可以解释为一组条件概率,以及它们的乘积,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/1502.03509
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.NE公司;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;github;NADE公司;UCI-毫升;低碳所;达奇;FFJORD公司;坚果;MNIST公司;西雅娜;火炬差异;TensorFlow公司;亚当;SUMO公司;NoFAS公司;梦想;句子片段;变压器-XL;面具GAN;艾伯特
引用于: 11出版物

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
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