读论文——Variational inference with Gaussian mixture model and householder flow

时间 2020-12-29

标签读论文深度学习繁體版

原文原文链接

1. 标题：在变分推断中使用GMM和householder 2. 摘要精读 3. 文中需要掌握的知识点 3.1 什么是Normalizing Flow 3.2 通过NF得到了什么样得变分下界通过NF，我们得后验分布可以变为如下，其中，z维随机变量，服从q分布，行列式维雅可比矩阵。然后利用性质：得到变分下界 3.3 网络的结构 3.4 如何计算两个GMM之间的KL散度（会推导）利用一个log

>>阅读原文<<

1. GAUSSIAN MIXTURE VAE: LESSONS IN VARIATIONAL INFERENCE, GENERATIVE MODELS, AND DEEP NETS
2. Gaussian mixture model
3. DEEP UNSUPERVISED CLUSTERING WITH GAUSSIAN MIXTURE VARIATIONAL AUTOENCODERS（ICLR2017）
4. [Scikit-learn] 2.1 Clustering - Variational Bayesian Gaussian Mixture
5. Gaussian Mixture Model(GMM）探索
6. 论文阅读——椭圆检测 2016 Robust ellipse detection with Gaussian mixture models
7. 【论文阅读】Efficient Inference in Fully Connected CRFs with Gaussian Edge Potentials
8. Clustering：Gaussian Mixture Model and Expectation Maximization
9. Deep Clustering by Gaussian Mixture Variational Autoencoders with Graph Embedding(DGG)
10. 【论文笔记】Efficient Inference in Fully Connected CRFs with Gaussian Edge Potentials
更多相关文章...
• C# 文本文件的读写 - C#教程
• XSL-FO flow 对象 - XSL-FO 教程
• RxJava操作符（七）Conditional and Boolean
• JDK13 GA发布：5大特性解读

最新文章

1. Appium入门
2. Spring WebFlux 源码分析(2)-Netty 服务器启动服务流程 --TBD
3. wxpython入门第六步（高级组件）
4. CentOS7.5安装SVN和可视化管理工具iF.SVNAdmin
5. jedis 3.0.1中JedisPoolConfig对象缺少setMaxIdle、setMaxWaitMillis等方法，问题记录
6. 一步一图一代码，一定要让你真正彻底明白红黑树
7. 2018-04-12—（重点）源码角度分析Handler运行原理
8. Spring AOP源码详细解析
9. Spring Cloud（1）
10. python简单爬去油价信息发送到公众号

本站公众号

欢迎关注本站公众号,获取更多信息

1. GAUSSIAN MIXTURE VAE: LESSONS IN VARIATIONAL INFERENCE, GENERATIVE MODELS, AND DEEP NETS
2. Gaussian mixture model
3. DEEP UNSUPERVISED CLUSTERING WITH GAUSSIAN MIXTURE VARIATIONAL AUTOENCODERS（ICLR2017）
4. [Scikit-learn] 2.1 Clustering - Variational Bayesian Gaussian Mixture
5. Gaussian Mixture Model(GMM）探索
6. 论文阅读——椭圆检测 2016 Robust ellipse detection with Gaussian mixture models
7. 【论文阅读】Efficient Inference in Fully Connected CRFs with Gaussian Edge Potentials
8. Clustering：Gaussian Mixture Model and Expectation Maximization
9. Deep Clustering by Gaussian Mixture Variational Autoencoders with Graph Embedding(DGG)
10. 【论文笔记】Efficient Inference in Fully Connected CRFs with Gaussian Edge Potentials

>>更多相关文章<<