Запитання з тегом «generative-models»

Я знаю, що генеративні засоби "засновані на П( х , у)П(х,у)P(x,y) ", а дискримінаційні засоби "засновані на П( у| х)П(у|х)P(y|x) ", але я плутаюся в декількох моментах: Вікіпедія (+ багато інших звернень до Інтернету) класифікує такі речі, як SVM та дерева рішень, як дискримінаційні. Але вони навіть не мають ймовірнісних …

153 machine-learning  generative-models 

Як працює трюк репараметеризації для варіативних автокодер (VAE)? Чи є інтуїтивне і просте пояснення без спрощення основної математики? І навіщо нам потрібен «трюк»?

57 mathematical-statistics  autoencoders  variational-bayes  generative-models 

Передумови: Багато сучасних досліджень за останні чотири роки (пост alexnet ), схоже, віддалилися від використання генеративного пошуку для нейронних мереж для досягнення найсучасніших результатів класифікації. Наприклад, серед найпопулярніших результатів для списку сюди входять лише 2 статті з 50 найкращих, як видається, використовуються генеративні моделі, обидві з яких - ОРМ. В …

16 references  deep-learning  rbm  generative-models 

Чи може хтось віднести мене до хорошої довідки, яка пояснює зв’язок між байєсівською статистикою та методами генеративного моделювання? Чому ми зазвичай використовуємо генеративні моделі за допомогою байєсівської техніки? Чому особливо привабливо використовувати статистику Баєса за відсутності повних даних, якщо вони взагалі є? Зауважте, що я виходжу з більш орієнтованого на …

15 bayesian  generative-models 

Моделі дискримінантного аналізу Гаусса вивчають а потім застосовують правило Байєса для оцінки P ( y | x ) = P ( x | y ) P p r i o r ( y )П( х | у)П(х|у)P(x|y)Отже, це генеративні моделі. Чому тоді це називається дискримінантним аналізом? Якщо це відбувається тому, …

13 normal-distribution  discriminant-analysis  generative-models 

Нещодавно мені стало відомо про «вірогідні» методи, які перебувають у літературі. Однак мені не ясно, що означає спосіб висновку чи оптимізації бути вірогідним . При машинному навчанні мета зазвичай полягає в тому, щоб максимально збільшити ймовірність того, що деякі параметри підходять до функції, наприклад, ваги в нейронній мережі. Тож у …

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

На деякий час здавалося, що ядра Фішера можуть стати популярними, оскільки, здавалося, це спосіб побудувати ядра з імовірнісних моделей. Однак я рідко бачив, як вони використовуються на практиці, і я вважаю, що вони працюють не дуже добре. Вони покладаються на обчислення інформації про Фішера - цитуючи Вікіпедію: інформація Фішера - …

10 machine-learning  probability  kernel-trick  generative-models 

Як ви інтерпретуєте криву виживання з пропорційною моделлю небезпеки Кокса? У цьому прикладі іграшки, припустимо, ми маємо коксову пропорційну модель небезпеки для ageзмінної kidneyданих та генеруємо криву виживання. library(survival) fit <- coxph(Surv(time, status)~age, data=kidney) plot(conf.int="none", survfit(fit)) grid() Наприклад, на час 200200200, яке твердження вірно? або обидва помиляються? Заява 1: у …

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