Udforsk vores forskning

Vi udvider dybe generative modeller med hjælpevariabler, som forbedrer den variationelle tilnærmelse. 

Hjælpevariablerne lader den generative model være uændret, men gør variationsfordelingen mere udtryksfuld.

Inspireret af hjælpevariablens struktur foreslår vi også en model med to stokastiske lag og springforbindelser. Vores resultater tyder på, at mere udtryksfulde og korrekt specificerede dybe generative modeller konvergerer hurtigere med bedre resultater.

Vi viser state-of-the-art performance inden for semi-superviseret læring på MNIST-, SVHN- og NORB-datasæt.

Download