76
правок
Изменения
→Классификация задачи
Мы хотим научиться создавать правдоподобный объект относительно некоторой скрытой структуры исходных объектов. Давайте изучим распределение по ним, а затем просто будем сэмплировать новый объект из этого распределения. Значит эта задача относится к классу задач [[Общие понятия#Обучение без учителя (англ. Unsupervised learning)|обучения без учителя]].
== Вычисление распределения ==
[[Файл:Taxonomy.png|500px|thumb|right]]
Оценка плотности распределения является основной задачей порождающих моделей.
Два основных подхода:
* Явный: определить распределение <tex>p_{model}</tex>, описывающее объекты и генерировать данные из него
* Неявный: получить некоторое распределение, оценить его близость с <tex>p_{model}</tex> через дивергенцию Кульбака-Лейблера<ref>[https://ru.wikipedia.org/wiki/Расстояние_Кульбака_—_Лейблера Расстояние Кульбака—Лейблера]</ref>
== Глубокие порождающие модели на основе нейронных сетей ==
