深度概率生成模型—156页普林斯顿教程带你回顾深度生成模型最新发展脉络

【导读】本文整理自普林斯顿大学Ryan P.Adams教授的深度概率生成模型的教程，详细描述了生成模型的问题、算法以及应用。特别最后介绍联合图模型和神经网络，详细介绍了这两部结合的动机和如何考虑这两部分。

作者简介：

Ryan P.Adams，普林斯顿大学教授，曾任职于多伦多大学、哈佛大学、Googel Brain等多所知名研究机构，并在哈佛大学期间，长期承担机器学习课程（CS181,CS281）的教学任务。

教程结构：

• 什么是生成模型

• 为什么选择深度生成模型

• 从数据中学习的生成模型算法

• 变分自编码器

• 联合图模型与神经网络







请关注专知公众号（扫一扫最下面专知二维码，或者点击上方蓝色专知），


• 后台回复“DPGM2018” 就可以获取A Tutorial on Deep Probabilistic Generative Models书籍~

-END-

专 · 知

人工智能领域主题知识资料查看与加入专知人工智能服务群：

专知AI知识技术服务会员群加入与人工智能领域26个主题知识资料全集获取。欢迎微信扫一扫加入专知人工智能知识星球群，获取专业知识教程视频资料和与专家交流咨询！

请PC登录www.zhuanzhi.ai或者点击阅读原文，注册登录专知，获取更多AI知识资料！

请加专知小助手微信（扫一扫如下二维码添加），加入专知主题群（请备注主题类型：AI、NLP、CV、 KG等）交流~

 AI 项目技术 & 商务合作：bd@zhuanzhi.ai, 或扫描上面二维码联系！

请关注专知公众号，获取人工智能的专业知识！

点击“阅读原文”，使用专知