生成モデル
松尾研「深層生成モデル」
第1回 「生成モデル概要」
生成系の他に、異常検知、半教師あり学習、表現学習、メタ学習など
生成モデルの学習
潜在変数モデルと混合モデル
生成モデルだとできること
生成
密度推定
欠損値補完・ノイズ除去
生成モデルがデータ分布を近似するようにしたい
最尤推定
尤度が最も高いパラメータを選んだ時が、最も尤もらしい生成モデルとなるはず
汎化性能は経験分布がどれだけ真の分布を近似するかに依存する
潜在変数zを含めた生成モデルを潜在変数モデルという
混合ベルヌーイモデルの最尤推定はEMアルゴリズム
第2回 「VAE」
深層生成モデルとは
深層潜在変数モデルとVAE
VAEと表現学習
VAEの発展と応用
第3回 「GAN」
暗黙的な深層生成モデル
GAN
GANの諸問題と種類
GANの発展と応用
DCGAN (Deep Convolutional GAN): GANのCNN化
第4回 「自己回帰モデルとフローベースモデル」
自己回帰モデル
フローベースモデル
自己回帰フロー
第5回 「エネルギーベースモデル」
エネルギーベースモデル
第6回 「スコアベースモデルと拡散モデル」
スコアベースモデル
拡散確率モデル
第7回 「深層生成モデルの発展と世界モデル」
世界モデルとは
世界モデルと深層生成モデル
2022.10 Variational autoencoders and Diffusion Models - Tim Salimans
https://www.youtube.com/watch?v=pea3sH6orMc
生成モデルはどのように世界を理解しているのか?
Joint Multimodal Learning with Deep Generative Models