深度生成模型(3):变分自编码器
# 混合高斯分布 不管 σ,μ\sigma, \muσ,μ 如何变化,使用高斯分布都是单峰的,因此在概率的估计上具有局限性。一种最简单的想法就是使用混合高斯分布,即多个高斯分布的求和: p(x)=∑k=1KπkN(x∣μk,Σk).p(x) = \sum_{k=1}^K \pi_k \mathcal{N}(x|\mu_k, \Sigma_k). p(x)=k=1∑KπkN(x∣μk,Σk). 其对数似然分布为 logp(D∣π,μ,Σ)=∑n=1Nlog(∑k=1KπkN(xn∣μk,Σk)).\log p(\mathcal{D}|\pi, \mu, \Sigma) =...
more...