典型文献
基于对抗性策略的变分自编码模型
文献摘要：
深度生成模型结合了生成模型与多层神经网络,在计算机视觉、目标检测、自然语言处理等领域得到广泛应用.变分自编码是一种重要的深度生成模型,通过多层神经网络对生成模型和后验概率分布的近似分布进行建模,得到目标函数的变分下界.变分自编码以其显式的生成模型建模方式及定量的下界表示形式受到研究者的关注.由于变分自编码中推理模型的表示能力有限,使得生成的图像精细度不高.本文提出一种基于对抗性策略的变分自编码模型,该模型通过在变分自编码模型的推理模型中加入随机噪声,提高推理模型的表示能力,同时引入对抗网络增加聚合正则化约束,进一步训练推理模型.通过在MNIST和Fashion-MNIST数据集上设计对比实验,表明该模型可以给出更优的变分似然下界,并生成效果更好的图像数据.
文献关键词：
生成模型;变分自编码;对抗策略;变分似然下界;图像生成
中图分类号：
作者姓名：
陈亚瑞;王浩楠;张芝慧;杨剑宁;丁文强
作者机构：
天津科技大学人工智能学院,天津300457
文献出处：
引用格式：
[1]陈亚瑞;王浩楠;张芝慧;杨剑宁;丁文强-.基于对抗性策略的变分自编码模型)[J].天津科技大学学报,2022(01):56-63
A类：
变分似然下界
B类：
对抗性,变分自编码,自编码模型,深度生成模型,多层神经网络,计算机视觉,目标检测,自然语言处理,后验概率分布,显式,建模方式,表示形式,推理模型,示能,精细度,随机噪声,对抗网络,正则化约束,MNIST,Fashion,设计对比,图像数据,对抗策略,图像生成
AB值：
0.261154
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
