«generative-models» etiketlenmiş sorular

Üreticinin " 'ye dayalı" ve ayırımcı " göre" anlamına geldiğini biliyorum ancak birkaç noktada kafam karıştı:P(x,y)P(x,y)P(x,y)P(y|x)P(y|x)P(y|x) Wikipedia (+, web'deki diğer birçok isabet), SVM'ler ve karar ağaçları gibi şeyleri ayrımcı olarak sınıflandırıyor. Ancak bunların olasılıksal yorumları bile yok. Ayrımcı burada ne anlama geliyor? Ayrımcı sadece üretken olmayan bir şey ifade ediyor …

153 machine-learning  generative-models 

Değişken otomatik kodlayıcılar (VAE) için reparameterization trick nasıl çalışır? Temel matematiği basitleştirmeden sezgisel ve kolay bir açıklama var mı? Ve neden 'numaraya' ihtiyacımız var?

57 mathematical-statistics  autoencoders  variational-bayes  generative-models 

Arkaplan: Geçmiş ~ 4 yıldaki ( alexnet sonrası ) modern araştırmaların çoğu, en son sınıflandırma sonuçlarına ulaşmak için sinir ağları için üretken ön eğitim kullanmaktan uzaklaşmıştır. Örneğin, burada mnist için en iyi sonuçlar , her ikisi de RBM olan üretken modeller kullanıyor gibi, ilk 50'nin sadece 2 makalesini içeriyor. Kazanan …

16 references  deep-learning  rbm  generative-models 

Birisi beni Bayesci istatistiklerle üretken modelleme teknikleri arasındaki bağlantıyı açıklayan iyi bir referansa yönlendirebilir mi? Neden genellikle Bayesci tekniklerle üretken modeller kullanıyoruz? Neden tam veri yokluğunda Bayesian istatistiklerini kullanmak özellikle caziptir? Daha makine öğrenimi odaklı bir bakış açısıyla geldiğimi ve bunun hakkında istatistik topluluğundan daha fazla okumak istediğimi unutmayın. Bu …

15 bayesian  generative-models 

Gauss ayırıcı analiz modelleri öğrenir ve ardından P ( y | x ) = P ( x | y ) P p r i o r ( y ) ' yi değerlendirmek için Bayes kuralını uygular P( x | y)P(x|y)P(x|y)Dolayısıyla üretken modellerdir. O zaman buna ayrımcı analiz denir? Eğer nihayet …

13 normal-distribution  discriminant-analysis  generative-models 

Son zamanlarda, literatürde bantlanmış 'olasılıksız' yöntemlerin farkına vardım. Ancak, bir çıkarım veya optimizasyon yönteminin olasılıksız olmasının ne anlama geldiğinden emin değilim . Makine öğreniminde amaç genellikle bazı parametrelerin bir işleve uyma olasılığını en üst düzeye çıkarmaktır, örneğin sinir ağındaki ağırlıklar. Olasılıksız bir yaklaşımın felsefesi tam olarak nedir ve neden GAN'lar …

11 machine-learning  deep-learning  maximum-likelihood  generative-models  abc 

Bir süre, olasılıklar modellerden çekirdekler inşa etmenin bir yolu gibi göründüğü için Fisher Çekirdekleri popüler olabilir gibi görünüyordu. Ancak, bunların pratikte nadiren kullanıldığını gördüm ve çok iyi çalışmazlar. Fisher Information'ın hesaplamasına güveniyorlar - alıntı yapmak Wikipedia: Fisher bilgisi, f'nin doğal logaritmasının with'sine göre ikinci türev beklentisinin negatifidir. Bilgi, curve'nın maksimum …

10 machine-learning  probability  kernel-trick  generative-models 

Cox orantılı tehlike modelinden sağkalım eğrisini nasıl yorumluyorsunuz? Bu oyuncak örneğinde, verilerdeki agedeğişken üzerinde bir cox orantılı tehlike modelimiz olduğunu kidneyve hayatta kalma eğrisini oluşturduğumuzu varsayalım . library(survival) fit <- coxph(Surv(time, status)~age, data=kidney) plot(conf.int="none", survfit(fit)) grid() Örneğin, zamanında hangi ifade doğrudur? ya da her ikisi de yanlış mı?200200200 Bildirim 1:% …

9 r  survival  cox-model  likelihood  machine-learning  deep-learning  generative-models  machine-learning  reinforcement-learning  q-learning  regression  multicollinearity  convergence  beta-distribution  bernoulli-distribution  machine-learning  self-study  pattern-recognition  neural-networks  stochastic-processes  linear