Permítanme proporcionarle el “lado negativo” a la respuesta (correcta) de Russel Ruseel.
Si su objetivo es realizar una estimación de densidad [1, 2], o hacer algún tipo de uso posterior [3, 4] de la representación latente aprendida, entonces puede ser mejor que use VAE. Aquí la función de densidad explícita es realmente útil (para, erm, estimación de densidad), y el marco flexible del modelado probabilístico le permite construir modelos significativos que pueden aprender y transferir información a través de múltiples tareas.
Nuevamente, Russel tiene razón al decir que las GAN actualmente pueden producir (mucho) ejemplos de mayor calidad [5].
- ¿Cómo funciona la función predict () en R?
- Cómo elegir el mejor kit de desarrollador de sistemas integrados para el proyecto My Image Processing y Machine Learning
- ¿Qué tan cerca estamos del punto donde los radiólogos serán reemplazados por software de reconocimiento de imágenes / redes neuronales / IA?
- Cómo cuantificar la cantidad de ruido en un conjunto de datos
- Cómo lidiar con datos sin patrones en los que necesito realizar un modelo de clasificación
[1] – [1312.6114] Bayes variacionales de codificación automática
[2] – [1509.00519] Autoencoders ponderados por importancia
[3] – Aprendizaje semi-supervisado con modelos generativos profundos
[4] – http://proceedings.mlr.press/v48…
[5] – [1710.10196] Crecimiento progresivo de GAN para mejorar la calidad, la estabilidad y la variación