自动编码变分贝叶斯：大规模数据集上高效推断与学习.pdfVIP

自动编码变分贝叶斯

DiederikP.KingmaMaxWelling

机器学习组阿姆斯特丹大机器学习组阿姆斯特丹大学

学dpkingma@.comwelling.max@.com

2202ceD01

如何在存在连续潜在变量的不可处理后验分布和大规模数据集的情况下，

在有向概率模型中进行有效的推断和学习？我们介绍了一种可以扩展到大

]型数据集的随分推断和学习算法，并且在某些温和的可微条件下，即

LM.使在不可处理的情况下也能工作。我们的贡献有两个方面。首先，我们展

示了变分下界的重新参数化产生了一个可以直接使用随机梯度方法优

t化的下界估计器。其次，我们展示了对于每个数据点都有连续潜在变量的