学界 | Bengio最新论文提出GibbsNet：深度图模型中的迭代性对抗推断

选自arXiv作者：Alex Lamb等机器之心编译参与：蒋思源、路雪Yoshua Bengio 等研究者最近提出了 GibbsNet，该方法可以学习数据和隐编码之间的联合分布，该方法使用对抗学习迭代步骤来逐步提炼联合分布 p(x, z)，以更好地在每一步上匹配数据分布。该论文已被 NIPS 2017 大会收录。生成模型是学习复杂数据隐藏表征的强大工具。早期的无向图模型展现出强大的潜力，如深度玻尔兹曼机或 DBM（Salakhutdinov and Hinton, 2009），但它们实际上并不能很好地适应复杂的高维特征空间（远超 MNIST），这可能是因为模型优化与混合方面的困难（Bengio et al.,2012）。但近来 Helmholtz 机（Bornschein et al., 2015）和变分自编码器（Kingma and Welling, 2013）的研究工作借鉴了深度学习工具，并能实现非常好的 ………………………………