期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息

概率统计分析在深度生成模型中的应用 被引量：1

Application of Probability Statistical Analysis in Depth Generation Model
下载PDF
导出
摘要 为了弥补深度学习理论部分的欠缺,将从概率统计的角度对经典的深度生成模型——生成对抗网络和变分自编码器背后的数学机理进行分析,给出深度生成模型背后的概率统计解释,为深度生成模型的发展提供理论支撑。
作者 王浩 王宝丽 安晓丹 WANG Hao;WANG Baoli;AN Xiaodan
机构地区 太原师范学院计算机系 运城学院数学与信息技术学院
出处 《运城学院学报》 2022年第3期65-68,共4页 Journal of Yuncheng University
基金 国家自然科学基金项目(61703363) 2021年山西省社会经济统计科研项目一般项目(152) 山西省应用基础研究计划项目(201901D211462)。
关键词 深度学习 深度生成模型 概率统计分析 变分自编码器 生成对抗网络
分类号 O211.1 [理学—概率论与数理统计]
  • 相关文献

参考文献2

二级参考文献82

  • 1Miller G A. WordNet: A lexical database for English [J]. Communications of the ACM, 1995, 38(11): 39-41.
  • 2Bollacker K, Evans C, Paritosh P, et al. Freebase: A collaboratively created graph database for structuring human knowledge [C] //Proe of KDD. New York: ACM, 2008: 1247-1250.
  • 3Miller E. An introduction to the resource description framework [J]. Bulletin of the American Society for Information Science and Technology, 1998, 25(1): 15-19.
  • 4Bengio Y. Learning deep architectures for AI [J]. Foundations and Trends in Machine Learning, 2099, 2 (1) 1-127.
  • 5Bengio Y, Courville A, Vincent P. Representation learning: A review and new perspectives [J]. IEEE Trans on Pattern Analysis and Machine Intelligence, 2013, 35(8): 1798-1828.
  • 6Turian J, Ratinov L, Bengio Y. Word representations: A simple and general method for semi-supervised learning [C]// Proc of ACL. Stroudsburg, PA: ACL, 2010:384-394.
  • 7Manning C D, Raghavan P, Schutze H. Introduction to Information Retrieval [M]. Cambridge, UK: Cambridge University Press, 2008.
  • 8Mikolov T, Sutskever I, Chen K, et al. Distributed representations of words and phrases and their eompositionality [C] //Proe of NIPS. Cambridge, MA: MIT Press, 2013:3111-3119.
  • 9Zhao Y, Liu Z, Sun M. Phrase type sensitive tensor indexing model for semantic composition [C] //Proc of AAAI. Menlo Park, CA: AAAI, 2015: 2195-2202.
  • 10Zhao Y, Liu Z, Sun M. Representation learning for measuring entity relatedness with rich information [C] //Proc of IJCAI. San Francisco, CA: Morgan Kaufmann, 2015: 1412-1418.

共引文献282

同被引文献5

引证文献1

运城学院学报
2022年 第3期

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部