Bayesian GAN 論文筆記

Abstract 生成對抗網絡（GAN）可以隱含地學習圖像，音頻和數據上的豐富分佈，這些分佈難以用顯式可能性建模。  我們提出了一種實用的貝葉斯公式，用於使用GAN進行無監督和半監督學習。 在此框架內，我們使用隨機梯度哈密頓蒙特卡羅來邊緣化發生器和鑑別器網絡的權重。 由此產生的方法很簡單，並且在沒有任何標準干預（例如特徵匹配或小批量區分）的情況下獲得了良好的性能。 通過探索生成器參數的表達後驗，貝

>>阅读原文<<