النماذج التوليدية العميقة المساعدة

لقد حققت النماذج التوليدية العميقة المُعَمَّمة بواسطة الشبكات العصبية مؤخرًا أداءً متقدمًا في التعلم غير المُشرَّف والتعلم شبه المُشرَّف. نوسع النماذج التوليدية العميقة بمتغيرات مساعدة، مما يحسّن تقريب التباين. تترك هذه المتغيرات المساعدة النموذج التوليدي دون تغيير، لكنها تجعل التوزيع التبايني أكثر تعبيرًا. مستوحى من هيكل المتغيرات المساعدة، نقترح أيضًا نموذجًا يحتوي على طبقتين عشوائيتين ووصلات تخطّية (skip connections). تشير نتائجنا إلى أن النماذج التوليدية العميقة الأكثر تعبيرًا والمعطاة بتحديد مناسب تتوافق بشكل أسرع وتحقيق نتائج أفضل. ونُظهر أداءً متقدمًا على مستوى الحد الأقصى ضمن التعلم شبه المُشرَّف على مجموعات بيانات MNIST وSVHN وNORB.