Sampling Generative Networks-2016

时间 2020-12-20

原文原文链接

Sampling Generative Networks-2016 （抽样生成网络）摘要：我们介绍了几种用于采样和可视化生成模型潜在空间的技术。用球面线性插值替换线性插值可防止与模型的先前分布产生偏差，并产生更清晰的样本。引入了J-图和MINE网格，作为类比和最近邻居创建的流形的可视化。我们演示了两种用于导出属性向量的新技术：具有数据复制的偏差校正向量和具有数据增强的合成向量。提出了使

>>阅读原文<<

1. Identity Mappings in Deep Residual Networks2016【论文理解】
2. cs231n lecture13 Generative Models
3. Gibbs sampling
4. hard sampling
5. Bootstrap sampling
6. sampling method
7. [Bayes] Hist & line: Reject Sampling and Importance Sampling
8. 重学 Statistics，Cha7 Sampling and Sampling Distribution
9. [UFLDL] Generative Model
10. reservoir sampling / random shuffle
更多相关文章...