VAE (variational autoencoder)
Understanding Variational Autoencoders (VAEs) 为何不能用AE的decoder来直接生成数据？ 因为这里的latent space的regularity无法保证 右边给出的例子，AE只是保证training过程中 ...
原文：用VAE（variational autoencoder）做sentence embedding/representation或者其他任何结构数据的热presentation
VAE是一个神奇得算法，其实思想倒是有点像word vec，只是在其上加了一层bayesian的思想，这点上又倒是有点像LDA了 个人觉得，VAE挖掘的好的话，倒是有很大的潜力和应用的，因为它是真正意义上的无监督的，句子表示成向量之后，然后你就可以想干嘛就干嘛了 简单介绍一下VAE，就是一个变分估算参数后验概率，输入输出都是句子本身 下面介绍一种最简单的VAE的实现，用 gram，就是把句子表示成 ...
2017-03-17 14:15 2 3139 推荐指数：
相关推荐
VAE(Variational Autoencoder)的原理
Kingma, Diederik P., and Max Welling. "Auto-encoding variational bayes." arXiv preprint arXiv:1312.6114 (2013). 论文的理论推导见：https://zhuanlan.zhihu.com ...
变分自编码器（Variational Autoencoder, VAE）通俗教程
最佳阅读体验请前往原文地址： 变分自编码器（Variational Autoencoder, VAE）通俗教程—— 作者：邓范鑫 1. 神秘变量与数据集 现在有一个数据集DX(dataset, 也可以叫datapoints)，每个数据也称为数据点。 X是一个实际的样本集合，我们假定这个样本受 ...
(转) 变分自编码器（Variational Autoencoder, VAE）通俗教程
变分自编码器（Variational Autoencoder, VAE）通俗教程 转载自: http://www.dengfanxin.cn/?p=334&sukey ...
Auto encoder简介， Variational Autoencoder, 以及Variational Graph Autoencoder详细介绍
1. 传统的Auto-Encoders 传统的自动编码机是一个神经网络，它包含一个编码层和一个解码层。编码层将一个点X作为输入，将他转换成一个低维的特征 embedding Z。 解码是将低维的特征表示Z返回成一个重新构建的原始输入 X-hat，尽量使X-hat跟X相似 ...
Neural Discrete Representation Learning(VQ-VAE)
发表时间：2018（NIPS 2017） 文章要点：文章设计了一个新的基于VAE的自编码器Vector Quantised-Variational AutoEncoder (VQ-VAE)。区别在于之前的自编码器去学latent representation的时候都是去学一个连续的向量，这篇 ...
网络表示学习Network Representation Learning/Embedding
网络表示学习相关资料 网络表示学习（network representation learning，NRL）,也被称为图嵌入方法（graph embedding method，GEM）是这两年兴起的工作，目前很热，许多直接研究网络表示学习的工作和同时优化网络表示+下游任务的工作正在进行 ...
VAE--就是AutoEncoder的编码输出服从正态分布
花式解释AutoEncoder与VAE 什么是自动编码器 自动编码器(AutoEncoder)最开始作为一种数据的压缩方法，其特点有: 1)跟数据相关程度很高，这意味着自动编码器只能压缩与训练数据相似的数据，这个其实比较显然，因为使用神经网络提取的特征一般是高度相关 ...