黎曼流形学习的学习笔记(1):Moser Flow: Divergence-based Generative Modeling on Manifolds(来源:NIPS 2021 oral)
亮点:
1. 使用Moser Flow (MF) 相比于其他连续标准化流 (CNF)不需要在训练过程解常微分方程 (ODE),因此训练速度相对较快;
2. 在1的基础上,证明了在一定的前提下,MF可以泛化任意的流形,并且这是流模型 (包括CNF在内)第一次在一般的曲面上 (文中指3D兔子,泛指除了球,椭圆这一类基础曲面)进行了采样生成实验。
前提知识:
1) Change of variable formula:
概率密度的转换
2)Euclidean data:
所谓的欧氏(欧几里德)数据指的是类似于图片(grids),文本(sequence),同样Non-Euclidean Data指的是高维不规则(无穷规则)数据,例如复数域(多了一个虚轴),流形(黎曼几何)。
来自NIPS的reviews (节选翻译):
Moser Flow: Divergence-based Generative Modeling on Manifolds | OpenReviewIntroducing a novel generative model on manifolds based on a classical flow by Moser.https://openreview.net/forum?id=qGvMv3undNJ
PC和5个审稿人(78877):
- ”reduces computational cost to train CNFs by no longer needing to solve an ODE.“——不再需要解ODE训练CNF,减少了计算成本。
- “likelihood computation does not require evaluating an ODE, constrast to regular CNFs.“——同上,似然估计也是训练的一部分。
- “Probably universal density estimator under suitable assumptions.“——泛化能力有保证。
- “scalability limitations to higher dimensional problems.“——高维问题上难以应用。
- ”regularization of the negative part of the density in moser flows introduces an additional hyperparameter for tuning. worries that the regularization parameter might lead to unstable training of chosen wrongly.“——损失函数里有一个
需要调,可能训练不稳定。
- ”Moser flow is not guaranteed to induce a valid probability density.“——MF不能保证生成有效的概率密度。(负值的影响嘛?)
- ......
TBD
黎曼流形学习的学习笔记(1):Moser Flow: Divergence-based Generative Modeling on Manifolds(来源:NIPS 2021 oral)相关推荐
- 技术胖前端学习路线学习笔记【更新中】
文章目录 技术胖前端学习路线学习笔记 1. 网络知识 2. 超文本标记语言(HTML) 3.层叠样式表(CSS) 4.浏览器脚本语言(JavaScript) 5.版本控制管理系统Version Con ...
- vs2010 学习Silverlight学习笔记(7):控件样式与模板
概要: 终于知道Silverlight--App.xaml是干什么用的了,不仅可以用来封装样式(类似css),还可以制定控件模版...好强大的功能啊. 封装: 继续学习<一步一步学Silverl ...
- Deep Learning(深度学习)学习笔记整理系列之(五)
Deep Learning(深度学习)学习笔记整理系列 zouxy09@qq.com http://blog.csdn.net/zouxy09 作者:Zouxy version 1.0 2013-04 ...
- 《如何高效学习》读书笔记(一)——整体性学习策略
首先奉上思维导图: 比喻的重要性 华罗庚在讲"统筹"方法时,用了"怎样泡茶最省时间"的比喻. 比喻的作用常常被我们忽视,仅仅把它当作文学中的修辞手段,是文学家用 ...
- Deep Learning(深度学习)学习笔记整理系列之(二)
Deep Learning(深度学习)学习笔记整理系列 zouxy09@qq.com http://blog.csdn.net/zouxy09 作者:Zouxy version 1.0 2013-04 ...
- Deep Learning(深度学习)学习笔记整理系列之(八)
Deep Learning(深度学习)学习笔记整理系列之(八) 分类: Deep Learning 机器学习 Linux驱动2013-04-10 11:4257652人阅读评论(25)收藏举报 ...
- (d2l-ai/d2l-zh)《动手学深度学习》pytorch 笔记(2)前言(介绍各种机器学习问题)以及数据操作预备知识Ⅰ
开源项目地址:d2l-ai/d2l-zh 教材官网:https://zh.d2l.ai/ 书介绍:https://zh-v2.d2l.ai/ 笔记基于2021年7月26日发布的版本,书及代码下载地址在 ...
- 吴恩达《神经网络与深度学习》精炼笔记(5)-- 深层神经网络
上节课我们主要介绍了浅层神经网络.首先介绍神经网络的基本结构,包括输入层,隐藏层和输出层.然后以简单的2 layer NN为例,详细推导了其正向传播过程和反向传播过程,使用梯度下降的方法优化神经网络参 ...
- 吴恩达《神经网络与深度学习》精炼笔记(4)-- 浅层神经网络
上节课我们主要介绍了向量化.矩阵计算的方法和python编程的相关技巧.并以逻辑回归为例,将其算法流程包括梯度下降转换为向量化的形式,从而大大提高了程序运算速度.本节课我们将从浅层神经网络入手,开始真 ...
最新文章
- 万字长文带你全面认识 Kubernetes 中如何实现蓝绿部署、金丝雀发布和滚动更新...
- hdu Remainder
- ELK实时日志分析平台环境部署--完整记录
- Visual Translation Embedding Network for Visual Relation Detection论文中的术语以及对论文的理解笔记...
- linux 的ip 设置lo_Linux服务器设置静态IP的方法
- 在英特尔® 凌动™ 处理器上将 OpenGL* 游戏移植到 Android* (第一部分)
- centos6设置静态IP
- 两个可用的ntp服务器地址
- 【CometOJ】CometOJ#8 解题报告
- win7/xp电脑蓝屏修复工具 V1.0
- 读书笔记_《深度学习与计算机视觉》.叶韵 编著.田疆 西门子高级研究员 作序.机械工业出版社
- 供应商关系管理系统SRM
- 纪一次笔试之行—燃烧的远征
- WePhone网络电话灰色运营?专家:若无许可属非法
- The following packages have unmet dependencies错误
- 【云原生|实践指北】5:真实业务场景下云原生项目落地实践学习
- CTF—RGB三原色
- C语言: 定义一个函数int isprime(int n),用来判别一个正整数n是否为素数,若为素数函数返回值为1,否则为0。在主函数中输入一个整数x,调用函数isprime(x)来判断这个整数x是
- 使用JDBC连接mysql遇到的若干问题及解决办法
- sql服务器查看版本信息,SQL Server 各种版本号的查看
热门文章
- C++关于字符串String的一些操作
- php抢票程序,PHP 高并发、抢票、秒杀 解决方案
- Android MediaProjection截屏录屏-适配AndroidQ以上版本
- exonerate结果文件提取(蛋白序列)
- python–爬虫–模拟登录全面介绍和简例–以抓取雅卓app为例
- 码上日志_19_08
- php excel 下拉菜单,excel下拉框怎么做
- 【木桶规则】图像缩放到目标尺寸 Python
- TF密码卡中的SKF_EncryptUpdate如何在C代码中使用?
- Cesium.knockout使用