Публикации по теме 'generative-model'
Глубокое генеративное моделирование
В настоящее время мы видим несколько реальных применений синтетически сгенерированных данных (см. рис. 1), например, решение проблемы дисбаланса данных в задачах классификации, выполнение переноса стиля для художественных изображений, создание структуры белка для научного анализа и т. д. В этом блоге мы собираемся изучить генерацию синтетических данных с использованием глубоких нейронных сетей с математическим фоном.
Что такое Глубокий…
Могут ли автокодировщики генерировать изображения?
Давным-давно, читая о генеративных моделях и глубоком обучении, я наткнулся на автокодировщики. Первая мысль, которая пришла мне в голову, — могу ли я использовать их для генерации данных изображения. Я уверен, что некоторые из вас задумывались об этом раньше. Поэтому в этой статье я хочу предоставить эмпирические результаты и ответить на этот вопрос. Этот пост содержит базовую реализацию автокодировщиков и вариационных автокодировщиков PyTorch. Я также проверяю способность обоих этих..
Генерация интуиции, стоящей за вариационными автоэнкодерами (VAE)
Углубленный взгляд на причины, лежащие в основе вариационных автоматических кодировщиков.
Введение
За последние несколько лет генеративные модели приобрели огромную популярность. У них есть множество применений в области увеличения данных и улучшения качества изображения, включая раскрашивание изображения или заполнение поврежденных или отсутствующих частей изображения. При использовании методов увеличения данных с целью улучшения несбалансированных классов данных может быть полезно..
Топология скрытого пространства: показано несколько потенциальных проблем с низкоразмерными синтетическими наборами данных.
Автор Пётр Темпчик
Введение
В моем последнем сообщении в блоге я обсуждал некоторые потенциальные проблемы с топологией скрытого пространства и ее связь с производительностью глубоких генеративных моделей, таких как VAE, нормализация потоков и GAN. Этот пост в блоге заканчивается списком потенциальных проблем, и в этой части я собираюсь показать вам несколько примеров этих проблем на простых низкоразмерных синтетических наборах данных с использованием β-VAE (из [1], мы будем..
Data2Vis: автоматическое создание визуализаций данных с использованием рекуррентных нейронных сетей от последовательности к последовательности…
Мы формулируем визуализацию данных как задачу преобразования последовательности в последовательность.
TL; DR; Мы обучаем модель, которая может принимать набор данных в качестве входных данных и генерировать набор правдоподобных визуализаций в качестве выходных.
У нас есть ранний бумажный черновик, описывающий работу над arxiv , коротким видео , исходным кодом и демо . Отзывы, обсуждения ( @vykthur , @serravis ) и комментарии приветствуются!
Хотите попробовать обучить..
Генеративные и дискриминационные модели
Машинное обучение
Это хорошая идея, если вы понимаете, чего мы достигаем после внедрения алгоритмов машинного обучения.
Классификация — это процесс, с помощью которого система прогнозирует метку класса данной точки данных. Для классификации мы рассчитываем условную вероятность каждой метки класса с учетом точки данных.
где "C" представляет метку класса, а "X" представляет заданную точку данных.
Вы можете либо смоделировать значение P(C|X) при повторении данных (будет..
Новая SotA для генеративного моделирования - вероятностные модели с уменьшением шума диффузии
Автор: Себастьян Орбелл , аспирант Оксфордского университета, факультет материалов.
Генеративные модели создают скрытые представления, которые извлекают информацию из больших данных для создания реалистичных и новых точек данных. В долгосрочной перспективе эти модели могут иметь жизненно важное значение для разработки точных моделей мира, а также для изучения категориальных и непрерывных характеристик набора данных без учителя. В настоящее время генеративные модели демонстрируют свою..