BRUNO：一种用于可交换数据的深度循环模型
摘要：一种基于深度学习工具的新模型架构用于对高维复杂观测集进行精确的贝叶斯推断。我们的模型在置换下是可证明的可交换的，这意味着观测的联合分布在置换下是不变的，这是贝叶斯推断的核心特性。该模型不需要变分逼近进行训练，并且可以根据先前样本生成条件样本，生成成本与条件集合的大小呈线性关系。我们的架构的优势在于在需要从短观测序列进行泛化的学习任务上，同时建模序列的变异性，例如条件图像生成、少样本学习和异常检测。
作者：Iryna Korshunova, Jonas Degrave, Ferenc Husz''ar, Yarin Gal, Arthur Gretton, Joni Dambre
论文ID：1802.07535
分类：Machine Learning
分类简称：stat.ML
提交时间：2018-10-17