Machine learning 从受限玻尔兹曼机生成数据_Machine Learning_Generative Adversarial Network_Rbm

Machine learning 从受限玻尔兹曼机生成数据

machine-learning

Machine learning 从受限玻尔兹曼机生成数据,machine-learning,generative-adversarial-network,rbm,Machine Learning,Generative Adversarial Network,Rbm,我的理解是，要在成果管理制中生成新数据，我需要传递真实数据。有没有一种方法可以在没有真实数据的情况下获取生成的数据？比如VAE和GAN如何从先验分布中采样潜在变量以生成数据如果是这样，对于像MNIST这样的标记数据集，如何从特定类生成数据？我是否需要为每个数字培训10种不同的RBM型号我的理解是，要在成果管理制中生成新数据，我需要传递真实数据。有没有一种方法可以在没有真实数据的情况下获取生成的数据？比如VAE和GAN如何从先验分布中采样潜在变量以生成数据当然可以。这实际上是在训练的消极阶

我的理解是，要在成果管理制中生成新数据，我需要传递真实数据。有没有一种方法可以在没有真实数据的情况下获取生成的数据？比如VAE和GAN如何从先验分布中采样潜在变量以生成数据

如果是这样，对于像MNIST这样的标记数据集，如何从特定类生成数据？我是否需要为每个数字培训10种不同的RBM型号

当然可以。这实际上是在训练的消极阶段发生的过程。你是从联合发行中取样的，因此让网络“梦想”它所接受的培训。我想这取决于您的实现，但我已经能够通过将输入初始化为零并运行Gibbs采样进行几次迭代来做到这一点。正如我解释的那样，结果是我应该在可见节点中看到“看起来像数字的东西”，而不一定是数据集中的数字

这是一个我喜欢的示例，在MNIST上进行训练，在没有任何节点夹紧的情况下进行采样：

关于你的第二个问题：

如果是这样，对于像MNIST这样的标记数据集，如何从特定类生成数据？我是否需要为每个数字培训10种不同的RBM型号

使用标记数据时，可以将标签用作其他可见节点。查看图2

此外，对于这两种情况，我认为使用其他逐渐降低采样温度的采样技术（例如模拟退火）将获得更好的结果