BriefGPT.xyz
Nov, 2016
使用变分自编码器生成可解释的表示
Inducing Interpretable Representations with Variational Autoencoders
HTML
PDF
N. Siddharth, Brooks Paige, Alban Desmaison, Jan-Willem Van de Meent, Frank Wood...
TL;DR
本文提出了一个框架，利用结构化图形模型在变分自动编码器（VAEs）的编码器中导出可解释的表达，使得在给定图形模型的结构限制下执行推理，并使用深度生成模型处理高维度的杂乱领域变得更容易。同时在无监督和半监督的情况下，通过变分目标进行端对端的学习。
Abstract
We develop a framework for incorporating structured
graphical models
in the \emph{encoders} of
variational autoencoders
(VAEs) that allows us to induce
→