Probabilistic Autoencoder Using Fisher Information

Neural networks play a growing role in many scientific disciplines, including physics. Variational autoencoders (VAEs) are neural networks that are able to represent the essential information of a high dimensional data set in a low dimensional latent space, which have a probabilistic interpretation....

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	Entropy (Basel, Switzerland) Ročník 23; číslo 12; s. 1640
Hlavní autoři:	Zacherl, Johannes, Frank, Philipp, Enßlin, Torsten A.
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Switzerland MDPI AG 06.12.2021 MDPI
Témata:	Approximation Coders Cross correlation deep generative network Fisher information Fisher information metric Machine learning Neural networks Probability distribution Random variables Uncertainty variational autoencoder variational methods variational methods Fisher information metric deep generative network machine learning variational autoencoder
ISSN:	1099-4300, 1099-4300
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!