Bayesian GAN 论文笔记

Abstract 生成对抗网络（GAN）可以隐含地学习图像，音频和数据上的丰富分布，这些分布难以用显式可能性建模。  我们提出了一种实用的贝叶斯公式，用于使用GAN进行无监督和半监督学习。 在此框架内，我们使用随机梯度哈密顿蒙特卡罗来边缘化发生器和鉴别器网络的权重。 由此产生的方法很简单，并且在没有任何标准干预（例如特征匹配或小批量区分）的情况下获得了良好的性能。 通过探索生成器参数的表达后验，贝

>>阅读原文<<