סקירה זו היא חלק מפינה קבועה בה אני סוקר מאמרים חשובים בתחום ה-ML/DL, וכותב גרסה פשוטה וברורה יותר שלהם בעברית. במידה ותרצו לקרוא את המאמרים הנוספים שסיכמתי, אתם מוזמנים לבדוק את העמוד שמרכז אותם תחת השם deepnightlearners.
לילה טוב חברים, היום אנחנו שוב בפינתנו deepnightlearners עם סקירה של מאמר בתחום הלמידה העמוקה. היום בחרתי לסקירה את המאמר שנקרא:
AVAE: Adversarial Variational AutoEncoder
תאריך פרסום: 21.12.2020
הוצג בכנס: טרם ידוע
תחומי מאמר:
- אוטו-אנקודר וריאציוני (VAE – Variational AutoEncoder).
- גאנים (GANs – Generative Adversarial Networks).
כלים מתמטיים, טכניקות, מושגים וסימונים:
- פונקצית לוס של VAE (המתקבלת מ- ELBO – Evidence Lower Bound)
- מרחק KL בין התפלגויות.
- מידע הדדי בין משתנים אקראיים/התפלגויות (Mutual Information).
- צוואר בקבוק אינפורמציוני (information bottleneck).
- פונקציית הלוס הסטנדרטית של גאן (מהמאמר המקורי) והפתרון האופטימלי שלה מבחינת הדיסקרימימטור.
בהירות כתיבה: בינונית מינוס
רמת היכרות עם כלים מתמטיים וטכניקות של ML/DL הנדרשים להבנת מאמר: נדרשת הבנה עמוקה ב- VAE, גאנים ותכונותיהם בשביל להבין לעומק את הרעיון הבסיסי של המאמר. שליטה בכלים מתמטיים מתחום ההסתברות והסטטיסטיקה נחוצה להבנת המאמר.
יישומים פרקטיים אפשריים: גינרוט תמונות באיכות גבוהה עם VAE (סוג של 😀 ).
המלצת קריאת ממייק: מומלץ לבעלי ידע עמוק ב- VAE, גאנים ובעלי ידע מוצק בהסתברות בתור אתגר. לכתבה המלאה >>
