新方法用连续随机网络生成不连续分布

Mariia Drozdova 等作者提出一种生成不连续分布的方法：不再要求隐空间保持高斯分布，而是用预训练对比编码器得到聚类隐空间，再为每个代表单峰子流形的簇训练一个低复杂度网络，从高斯分布生成该子流形。 该框架基于输入数据与隐空间表示间互信息最大化的信息论形式，并推导了代价函数与该形式之间的联系。研究在合成 2D 分布上验证了连续随机网络对不连续分布的重建与生成。 作者称，这一做法针对的是生成式自编码器和 GAN 难以生成不连续分布、易模式崩溃的问题。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。