bayesian_dnns:贝叶斯深度神经网络的实践与实验,主要使用pixyz-源码

上传者: 42117224 | 上传时间: 2021-12-17 10:13:33 | 文件大小: 630KB | 文件类型: -
bayesian_dnns 具有的贝叶斯深层神经网络的实践与实验。 GMVAE 提出的高斯混合变分自动编码器的实现。 通过对生成模型使用高斯混合先验,其对不平衡数据的鲁棒性要比Kingma的m2模型高得多。 我还提到了 示例:MNIST不平衡 数据 标记的[标签:图片数量] [0:1000、1:10、2:10、3:10、4:10、5:100、6:70、7:40、8:50、9:30] 未贴标签总计50000张图像。 每个标签的采样率与标签数据相同(不平衡)。 验证总计10000张图片。 每个标签的采样率相等(平衡) 结果 金马的M2模型 潜在变量(维度0和1)和重建的图像。 GMVAE 潜在变量(维度0和1)和重建的图像。 您可以看到每个标签似乎都有自己的分布。

文件下载

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明