TL;DR本文研究使用多层感知器、最大均值差异等统计假设检验技术来训练生成对抗网络,并与自编码器网络相结合,以产生比基准方法更优秀的 MNIST 和 Toronto Face Database 的生成模型。
Abstract
We consider the problem of learning deep generative models from data. We
formulate a method that generates an independent sample via a single
feedforward pass through a multilayer perceptron, as in the recently p
该研究提出了一个结合最大平均差异(Maximum Mean Discrepancy)的正则化项和去噪自编码器预训练的神经网络模型,以解决目标识别中的领域自适应问题,实验表明,该模型在源域和目标域之间建立的潜在空间显著降低了分布不匹配问题,并且在原始像素和 SURF 特征数据集上均比同类别基准模型表现更优秀。