生成式对抗网络
·
【导读】慕尼黑大学开设的《高级深度学习》技术课程，重点介绍计算机视觉的前沿深度学习技术。最新一期介绍了《生成式对抗网络》进展，讲述了GAN的知识体系，值得关注。
成为VIP会员查看完整内容
相关内容
生成式对抗网络
·
生成式对抗网络
·
【导读】Pieter Abbeel 是加州大学伯克利分校的教授，伯克利机器人学习实验室的主任，其新开课程CS294深度无监督学习包含两个领域，分别是生成模型和自监督学习。这个15周的课程包含视频PPT能资源，有助于读者对深度学习无监督的理解。最新一期是生成式对抗网络Generative Adversarial Networks的课程，共有257页ppt，包括GAN, DC GAN, ImprovedGAN, WGAN, WGAN-GP, Progr.GAN, SN-GAN, SAGAN, BigGAN(-Deep), StyleGAN-v1,2, VIB-GAN, GANs as Energy Models，非常值得关注！
目录内容：
- 隐式模型的动机和定义
- 原始GAN (Goodfellow et al, 2014)
- 评估: Parzen、Inception、Frechet
- 一些理论: 贝叶斯最优鉴别器; Jensen-Shannon散度; 模式崩溃; 避免饱和
- GAN进展
- DC GAN (Radford et al, 2016)
- 改进GANs训练(Salimans et al, 2016)
- WGAN, WGAN- gp, Progressive GAN, SN-GAN, SAGAN
- BigGAN, BigGAN- deep, StyleGAN, StyleGAN-v2, VIB-GAN
- 创意条件GAN
- GANs与申述
- GANs作为能量模型
- GANs与最优传输，隐式似然模型，矩匹配
- 对抗性损失的其他用途:转移学习、公平
- GANs和模仿学习
成为VIP会员查看完整内容
本课程涉及深度学习和表示学习的最新技术，重点是有监督和无监督的深度学习、嵌入方法、度量学习、卷积网和递归网，并应用于计算机视觉、自然语言理解和语音识别。
第五讲：
第六讲：
第七讲：
成为VIP会员查看完整内容
Deep Learning
Backpropagation
Convolutional Networks
optimization
Convolutional Networks (part 2)
Deep Learning Architectures
Energy-Based Models (part 1)
相关主题
相关VIP内容
相关资讯
相关论文
Fuzhen Zhuang,Zhiyuan Qi,Keyu Duan,Dongbo Xi,Yongchun Zhu,Hengshu Zhu,Hui Xiong,Qing He
84+阅读 · 2019年11月7日
Bryan Wilder,Eric Ewing,Bistra Dilkina,Milind Tambe
4+阅读 · 2019年5月31日
Yongqin Xian,Saurabh Sharma,Bernt Schiele,Zeynep Akata
11+阅读 · 2019年3月25日
Chunwei Tian,Yong Xu,Lunke Fei,Ke Yan
3+阅读 · 2018年10月11日
Sudipto Mukherjee,Himanshu Asnani,Eugene Lin,Sreeram Kannan
5+阅读 · 2018年9月10日
Liwei Cai,William Yang Wang
5+阅读 · 2018年2月20日