高维深度生成先验推理  

出　　处：《无线电通信技术》2020年第3期338-338,共1页Radio Communications Technology

摘　　要：深度生成先验为如图像、音频和文本之类的复杂结构化数据提供了强大的模型。在反问题中使用这些先验通常需要根据对其输出的观察来估计多层深层神经网络中的输入和/或隐藏信号。虽然这些方法在实践中取得了成功,但由于底层优化问题的非凸性,严格性能分析变得复杂。Parthe Pandit等人2020年4月在《IEEE Journal on Selected Areas in Information Theory》发表文章,提出了一种用于多层随机神经网络推理的新算法--多层向量近似消息传递算法(ML-VAMP)。

关 键 词：随机神经网络 结构化数据 向量近似 消息传递算法 深层神经网络 非凸性 推理 先验 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]