这本书用具体的例子和代码片段介绍了基本概念 。 每个章节中涉及的代码都已经在 Github 上公布：https://github.com/jmtomczak/intro_dgm
作者介绍
文章图片
自 2019 年 11 月以来 ， Jakub Tomczak 是阿姆斯特丹自由大学计算智能小组的人工智能助理教授 。 此前 ， 他是阿姆斯特丹高通 AI 研究中心的深度学习研究员 。 2016 年 10 月至 2018 年 9 月 ， 他是阿姆斯特丹大学 Max Welling 教授小组的 Marie Sklodowska-Curie 个人研究员 。
Jakub Tomczak 在波兰的弗罗茨瓦夫大学获得了机器学习博士学位 。 他的研究兴趣包括概率建模、深度学习、近似贝叶斯模型和深度生成模型(特别关注变分自动编码器和基于流的模型) 。
书籍目录
本书的目的是概述深度生成模型中最重要的技术 ， 让读者能够搭建新的模型并实现它们 。 书由八章组成 ， 可以单独阅读 ， 并且几乎能够按任何顺序阅读 。 第一章介绍了主题 ， 重点介绍了深度生成模型和一般概念的重要类别 。 第二、三、四章讨论了边际分布的建模问题 。 第五章和第六章概述了联合分布模型的内容 。 第七章提出了一种不通过基于似然的目标学习的潜在变量模型 。 最后一章阐述了深度生成模型在快速发展的神经压缩领域中的应用 。
文章图片
文章图片
文章图片
文章图片
特别声明：本站内容均来自网友提供或互联网，仅供参考，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系，我们将在24小时内删除。