下载掌阅APP，畅读海量书库
立即打开
对无监督生成模型的深入研究极大地促进了深度学习的发展，现在人们广泛讨论的生成对抗网络（GAN）、变分自编码器（VAE）、流模型等均是无监督生成模型的典型代表。第1章先对本书的讨论范畴和核心内容进行介绍。1.1.1节对无监督学习、监督学习以及半监督学习做了相关介绍，包括不同学习方式的定义、本质以及常见场景和常用模型；1.1.2节在监督学习的范围内分别介绍生成模型和判别模型，包括二者的定义、区别、常见模型等；1.1.3节对本书的核心——无监督生成模型的概念和学习方式做了介绍。根据生成模型处理概率密度函数的方式可分为显式生成模型和隐式生成模型两种类型。1.2.1节首先详细描述了极大似然估计法的原理，这是所有显式模型的基本原理；然后又根据计算似然函数的精确推断或近似推断方式，将显式生成模型分为精确法和近似法两类。1.2.2节介绍了第一类方法中的完全可见置信网络（FVBN）系列模型，包括PixelRNN、PixelCNN、WaveNet；1.2.3节对第一类方法中以NICE为代表的流模型进行了讲解；1.2.4节对第二类方法中以变分自编码器为代表的隐变量生成模型进行了详细的讲解；1.2.5节介绍了玻尔兹曼机的建模方式；1.2.6节以GAN为实例对隐式生成模型的建模特点进行介绍，并将GAN与其他生成模型进行了比较。本章在介绍各种模型原理的同时提供了相关代码，相信可以帮助读者对生成模型建立基本的了解和认识。