人工智能培训

搜索

人工智能论文:扩散变分自动编码器(Diffusion Variational Autoencoders)

[复制链接]
vix 发表于 2019-1-28 11:03:12 | 显示全部楼层 |阅读模式
vix 2019-1-28 11:03:12 132 0 显示全部楼层
人工智能论文:扩散变分自动编码器(Diffusion Variational Autoencoders)标准的变分自动编码器,具有欧几里德潜在空间,在结构上无法捕获某些数据集的拓扑属性。为了消除拓扑障碍,我们引入了具有任意流形的扩散变分自动编码器作为潜在空间。 DiffusionVariational Autoencoder在流形上使用布朗运动的转换核。特别是,它使用布朗运动的属性来实现重新参数化技巧和KL发散的快速近似。证明扩散变分自动编码器能够捕获合成数据集的拓扑属性。此外,我们训练MNIST onspheres,tori,投射空间,SO(3)和嵌入R3的圆环。尽管像MNIST这样的解剖数据集没有具有明确切割结构的潜在变量,但在歧管上训练它仍然可以突出拓扑和几何特性。
A standard Variational Autoencoder, with a Euclidean latent space, isstructurally incapable of capturing topological properties of certain datasets.To remove topological obstructions, we introduce Diffusion VariationalAutoencoders with arbitrary manifolds as a latent space.A DiffusionVariational Autoencoder uses transition kernels of Brownian motion on themanifold.In particular, it uses properties of the Brownian motion to implementthe reparametrization trick and fast approximations to the KL divergence.Weshow that the Diffusion Variational Autoencoder is capable of capturingtopological properties of synthetic datasets.Additionally, we train MNIST onspheres, tori, projective spaces, SO(3), and a torus embedded in R3.Although anatural dataset like MNIST does not have latent variables with a clear-cuttopological structure, training it on a manifold can still highlighttopological and geometrical properties.人工智能论文:扩散变分自动编码器(Diffusion Variational Autoencoders) IBT6A7qZZwQTYbFk.jpg
URL地址:https://arxiv.org/abs/1901.08991     ----pdf下载地址:https://arxiv.org/pdf/1901.08991    ----人工智能论文:扩散变分自动编码器(Diffusion Variational Autoencoders)
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则 返回列表 发新帖

vix当前离线
新手上路

查看:132 | 回复:0

快速回复 返回顶部 返回列表