Глубинное обучение, лето 2016: Задача image to caption....

10
Глубинное обучение (лекции 7, 8) Нейробайесовский подход Д.П. Ветров Руководитель исследовательской группы Байесовских методов Доцент НИУ ВШЭ, факультет компьютерных наук

Upload: cs-center

Post on 15-Apr-2017

493 views

Category:

Documents


0 download

TRANSCRIPT

Page 1: Глубинное обучение, лето 2016: Задача Image to caption. Байесовский подход, модели со скрытыми переменными, вариационный

Глубинное обучение (лекции 7, 8)

Нейробайесовский подход

Д.П. Ветров

Руководитель исследовательской группы Байесовских методов

Доцент НИУ ВШЭ, факультет компьютерных наук

Page 2: Глубинное обучение, лето 2016: Задача Image to caption. Байесовский подход, модели со скрытыми переменными, вариационный

Attention model

K.Xu, J.Ba, R.Kiros, K.Cho, A.Courville, R.Salakhutdinov, R.Zemel, Y.Bengio. Show, Attend and Tell: Neural Image Caption Generation with Visual Attention. ICML 2015.

Page 3: Глубинное обучение, лето 2016: Задача Image to caption. Байесовский подход, модели со скрытыми переменными, вариационный

Soft vs. Hard attention

Page 4: Глубинное обучение, лето 2016: Задача Image to caption. Байесовский подход, модели со скрытыми переменными, вариационный

Interpretability

Page 5: Глубинное обучение, лето 2016: Задача Image to caption. Байесовский подход, модели со скрытыми переменными, вариационный

PCA generative model

Page 6: Глубинное обучение, лето 2016: Задача Image to caption. Байесовский подход, модели со скрытыми переменными, вариационный

Variational auto-encoder

Diederik P Kingma, Max Welling. Auto-Encoding Variational Bayes. arXiv:1312.6114

Page 7: Глубинное обучение, лето 2016: Задача Image to caption. Байесовский подход, модели со скрытыми переменными, вариационный

Dropout

Nitish Srivastava, Geoffrey Hinton, Alex Krizhevsky, Ilya Sutskever, Ruslan Salakhutdinov. Dropout: A Simple Way to Prevent Neural Networks from Overfitting. JMLR, 2014.

Page 8: Глубинное обучение, лето 2016: Задача Image to caption. Байесовский подход, модели со скрытыми переменными, вариационный

Variational Dropout

Diederik P. Kingma, Tim Salimans, Max Welling. Variational Dropout and the Local Reparameterization Trick. arXiv:1506.02557

Page 9: Глубинное обучение, лето 2016: Задача Image to caption. Байесовский подход, модели со скрытыми переменными, вариационный

Artistic Style

Page 10: Глубинное обучение, лето 2016: Задача Image to caption. Байесовский подход, модели со скрытыми переменными, вариационный

Deep RL