| 基于行列式点过程的变分拉普拉斯自编码器 |
| |
| 引用本文： | 敦瑞静,鲁淑霞,张琦,翟俊海.基于行列式点过程的变分拉普拉斯自编码器[J].南京大学学报(自然科学版),2022(4):629-639. |
| |
| 作者姓名： | 敦瑞静 鲁淑霞 张琦 翟俊海 |
| |
| 作者单位： | 1. 河北省机器学习与计算智能重点实验室河北大学;2. 河北大学数学与信息科学学院 |
| |
| 基金项目： | 河北省科技计划重点研发项目(19210310D)；;河北省自然科学基金(F2021201020)； |
| |
| 摘 要： | 变分自编码器(Variational Autoencoders,VAE)是一类重要的学习概率潜在变量的生成模型,然而VAE对复杂模型的表现力较差,生成的图像往往比较模糊.为了解决VAE生成图像模糊的问题,提出一种基于行列式点过程的变分拉普拉斯自编码器(Variational Laplace Autoencoders-Determinantal Point Process,VLAE-DPP)模型,将行列式点过程方法引入变分拉普拉斯自编码器模型,在原始目标函数的基础上添加一项无监督惩罚损失,以此来提高生成图像的质量.VLAE-DPP模型利用行列式点过程来捕获一个与真实数据类似的多样性,然后通过从编码器中提取特征来学习核.最后,训练解码器优化核的伪、实、特征值和特征向量之间的损失,以鼓励解码器模拟真实数据的多样性,从而生成高质量的图像.在Fashion-MNIST,SVHN,CIFAR10数据集上的实验结果表明,VLAE-DPP模型能提高生成图像的质量.
|
| 关 键 词： | 变分自编码器 行列式点过程 变分推断 拉普拉斯近似 生成模型 |
|
|
