variational autoencoders | BriefGPT

关键词variational autoencoders

搜索结果 - 224

子宫颈癌筛查的可解释乳房细胞表示
通过使用变分自编码器进行单类分类，本研究提出了一种学习解释性深度宫颈细胞表示的方法，以实现宫颈细胞异常的评分和定位，结果表明该方法能够在不使用异常样本进行模型训练的情况下，实现异常细胞的区分和解释。
PDF15 days ago
基于 Transformer 的变分自编码器中的图引发的句法 - 语义空间
通过多任务学习或双编码器架构将分布语义特征和句法结构的编码分离成异构的潜空间，整合基于图和序列模型，通过低秩算子将多个专门的潜在表示注入解码器的注意机制，结果显示所提出的端到端 VAE 架构可以得到更好的潜空间整理，减轻标准 VAE 架构中
PDF18 days ago
利用变分自动编码器探索调性音乐的潜在空间
我们评估了在 371 首巴赫合唱曲中对音乐认知的音乐语料库进行训练的变分自编码器（Variational Autoencoders）对于代表五度音程和音乐认知中的每个关键组件音高的等级关系定义潜在空间的程度，结果表明，音高离散傅里叶变换（P
PDF25 days ago
基于能量的校准变分自编码器及其无测试时间消耗特性
本文提出了一种新颖的能量校准生成模型，该模型利用条件 EBM 来增强变分自动编码器（VAEs）的性能，针对 VAEs 在生成方向上训练不足而导致生成结果模糊的问题，以及 EBMs 需要昂贵的马尔可夫链蒙特卡罗（MCMC）采样的问题，我们引入
PDF25 days ago
使用扩散模型提供无限数据计划升级 VAE 训练
通过使用预训练的扩散模型生成的样本进行训练，可以有效减轻变分自动编码器中的过拟合问题，并且表现出更好的泛化性能、缩小的模型猜测效应和更强的鲁棒性。
PDFa month ago
直接无监督去噪
通过训练确定性网络与变分自编码器一起直接预测中心趋势的方法，以在计算成本的一小部分下取得超越无监督方法的结果。
PDFa month ago
从点到源：用生成模型初始化神经网络
我们介绍了两组新的初始化方法：第一组是通过应用变分自动编码器来局部初始化权重组，第二组是通过应用图形超网络来全局初始化完整的权重集合。我们通过在精度、收敛速度和集成方面对采用的生成模型对最先进的神经网络进行了彻底的评估。结果表明，全局初始化
PDFa month ago
KDD变分自编码器中缺失数据的后验一致性
通过提出一种正则化方法来提高变分自动编码器（VAEs）对于缺失数据的后验一致性，从而改善了缺失数据条件下的重构质量和利用潜在空间中的不确定性进行下游任务的绩效。
PDFa month ago
线性 VAE 中的学习动力学：后验崩塌临界点、多余潜变空间陷阱和 KL 退火加速
在这项研究中，对变分自编码器（VAEs）中的后验折叠问题进行了理论分析，发现学习动态会在输入维度趋近无限大时收敛为确定性过程。此外，研究还表明 VAE 最初学习到纠缠表示，并逐渐获得解耦表示。当超参数 β 超过某一阈值时，无论学习周期如何，
PDFa month ago
ESVAE：一种具有重参数化泊松脉冲采样的高效脉冲变分自编码器
提出了一种高效的脉冲变分自动编码器（ESVAE），它构建了一个可解释的潜在空间分布，并设计了一种可重参数化的脉冲采样方法，实验证明该方法在重建和生成图像质量上优于以前的 SNN VAE 方法。
PDFa month ago
多尺度动作感知和时空通道上下文编码网络用于学习视频压缩
提出一种基于运动感知、空时域通道上下文编码的视频压缩网络 (MASTC-VC)，该网络利用变分自编码器 (VAEs) 学习隐藏表示，捕捉帧内像素和帧间运动的特征，并通过多尺度运动感知模块 (MS-MAM) 和空时域通道上下文模块 (STCC
PDFa month ago
利用 PAC-Bayesian 理论对变分自动编码器提供统计保证
使用 PAC-Bayesian 理论为变分自动编码器（VAEs）提供统计保证，推导了后验分布的 PAC-Bayesian 界限，以及 VAE 的重构损失的泛化保证、输入分布与 VAE 生成模型定义的分布之间的距离的上界和 Wasserste
PDF2 months ago
GAMIX-VAE: 基于高斯混合后验的 VAE
该论文探讨了变分自编码器（VAEs）的一个微妙方面，着重解释了 Kullback Leibler（KL）散度，这是 Evidence Lower Bound（ELBO）中的一个关键组成部分，用于平衡重构准确性和正则化之间的权衡。通过使用混合
PDF2 months ago
通过变分自动编码器在糖尿病视网膜病变领域跨领域泛化
通过探索变分自动编码器在眼底图像的潜在空间中解耦的内在能力，本研究旨在获取一种更强大适应不同 DR 数据集中遇到的领域转换的域不变表示方法，以提高该模型在广泛临床环境中的适用性，并证明其能够通过简单方法优于现有先进技术，挑战了对于 DR 分
PDF2 months ago
量化信贷投资组合对资产相关性的敏感性：可解释的生成神经网络
通过使用变分自动编码器，我们提出了一种新的方法来量化信贷投资组合风险价值对资产相关性的敏感性，并发现变分自动编码器的潜空间可以捕捉到影响投资组合多样化的关键因素，特别是与信贷投资组合对资产相关性变化的敏感性有关。
PDF3 months ago
一种基于变分自编码器的高效无监督异常检测方法
本文研究了用于无监督的离群检测的深度生成模型（DGMs），特别关注使用标准正态先验分布的基本变分自动编码器（VAE）。我们提出了一种针对基本 VAE 设计的新颖离群得分方法，称为误差降低（ER），其结合了从丢失版本中重建图像输入的概念，并考
PDF3 months ago
通过 MCMC 速度测量学习变分自动编码器
研究纵观了变分自编码器（VAEs）的训练方法，提出了一种基于熵的自适应方法来优化更紧的变分下界，该方法能适应潜在层次变量模型中复杂的后验几何结构，并获得更高的生成度量。
PDF3 months ago
通过迭代近似祖先采样实现变分自动编码器的条件抽样
用于缺失数据填补等多种应用中需要条件抽样的变分自动编码器 (VAEs) 是计算不可行的。本文解决了 Metropolis-within-Gibbs (MWG) 在 VAEs 中存在的问题，提出了两种解决方法，并在一组抽样任务上展示了改进的性
PDF3 months ago
自然进化策略作为随机变分推断的黑箱估计器
基于鲁棒性自然演化策略的替代估计器用于克服变分自编码器框架中的设计选择限制，实现在大型数据集上高效执行贝叶斯推理并创建不同类型的模型。
PDF4 months ago
属性正则化的软内视 VAE：通过 MRI 领域推进心脏属性的正则化
通过将属性正则化的损失函数融入到软引导 VAE 框架中，我们提出了 Attributed Soft Introspective VAE（Attri-SIVAE），该方法在医学影像中实现了类似的重建和正则化性能，并在不同数据集上保持相同的正则
PDF4 months ago