人工智能培训

搜索

人工智能教程:我怎样才能解释“生成敌对网络(GAN)中的”获得良好可能性的模型可能会生成不好的样本,生成好的样本的模型的可能性很差“?

[复制链接]
admin 发表于 2018-5-18 10:26:07 | 显示全部楼层 |阅读模式
admin 2018-5-18 10:26:07 507 0 显示全部楼层
人工智能教程:我怎样才能解释“生成敌对网络(GAN)中的”获得良好可能性的模型可能会生成不好的样本,生成好的样本的模型的可能性很差“?我们先看看这个陈述出现的整个上下文(https://arxiv.org/pdf/1701.00160 ...):所有这一切意味着,您的定性评估可能与您的定量评估不一致 - 自然的图像/文本(高质量级别)可能具有较低的可能性(定量范围较低),反之亦然。作为一个例子,我们来看看文本。假设我们将一个句子的可能性定义为其中所有bigrams的对数似然的均值,即对于句子“我喜欢阅读”,可能性是12⋅[logP(“我喜欢”)+ logP(“喜欢阅读”)]然后,根据上述定义将具有高可能性的句子如下:一个新话题有点像确保......”在这里,每个双重“新”,“新话题”,“话题是”,“是”,“有点”等是比较常见的,因此整体可能性很高。所有这些bigrams都在英文文本中最常出现的单词列表中,由Peter Norvig编辑 - Natural Language Corpus Data:Beautiful Data。但是,这句话没有任何意义。因此,只用可能性来判断模型的好坏会导致误导。

人工智能教程:我怎样才能解释“生成敌对网络(GAN)中的”获得良好可能性的模型可能会生成不好的样本,生成好的样本的模型的可能性很差“?另一方面,你可能会提出一些句子,这些句子可能并不常见,但它仍然有意义。例如,考虑前面的一个句子 - “个人双关语”并不是一个常见的短语,但是这个句子很有意义。我们所能想到的几乎所有可能性函数都会遇到这个问题 - 理想情况下,它们应该只在数据可能时才会给出高价值,并且如果数据不太可能,则会给出低价值。但这是非常不平凡的。考虑一下你将如何定义一个似然函数,它可以给所有语法正确的句子赋予高的价值,对所有语法不正确的句子赋予低价值。这意味着,我们的平等运动是我们可以移动的奇点。对此,Matrises可以被认为是相同的方式。那就是,你将Matris的中间点视为奇点 - “原点” - 你在其中玩耍。我认为这是大多数人错过的常设原因 - 就我之前试图解释的黑森州母语而言(至少我认为这是一个)我认为,当我混合使用文字时,有时候人们会感到心慌 - 他们认为有特殊的含义 - 有时我会使用宽松的文字。
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

admin当前离线
管理员

查看:507 | 回复:0

快速回复 返回顶部 返回列表