1 resultado para Bidirectional reflection distribution function
em Université de Montréal
Filtro por publicador
- Aberdeen University (6)
- Abertay Research Collections - Abertay University’s repository (4)
- Aberystwyth University Repository - Reino Unido (2)
- Academic Archive On-line (Stockholm University; Sweden) (1)
- Academic Research Repository at Institute of Developing Economies (1)
- Adam Mickiewicz University Repository (1)
- AMS Tesi di Dottorato - Alm@DL - Università di Bologna (8)
- AMS Tesi di Laurea - Alm@DL - Università di Bologna (4)
- Aquatic Commons (6)
- ArchiMeD - Elektronische Publikationen der Universität Mainz - Alemanha (10)
- Archivo Digital para la Docencia y la Investigación - Repositorio Institucional de la Universidad del País Vasco (7)
- Aston University Research Archive (30)
- Biblioteca de Teses e Dissertações da USP (1)
- Biblioteca Digital da Produção Intelectual da Universidade de São Paulo (31)
- Biblioteca Digital da Produção Intelectual da Universidade de São Paulo (BDPI/USP) (24)
- Biblioteca Digital de Teses e Dissertações Eletrônicas da UERJ (2)
- Bioline International (1)
- BORIS: Bern Open Repository and Information System - Berna - Suiça (31)
- Brock University, Canada (5)
- Bulgarian Digital Mathematics Library at IMI-BAS (14)
- CaltechTHESIS (11)
- Cambridge University Engineering Department Publications Database (14)
- CentAUR: Central Archive University of Reading - UK (49)
- Chinese Academy of Sciences Institutional Repositories Grid Portal (98)
- Cochin University of Science & Technology (CUSAT), India (7)
- Coffee Science - Universidade Federal de Lavras (1)
- Collection Of Biostatistics Research Archive (4)
- Comissão Econômica para a América Latina e o Caribe (CEPAL) (1)
- CORA - Cork Open Research Archive - University College Cork - Ireland (3)
- CUNY Academic Works (2)
- Dalarna University College Electronic Archive (1)
- Deakin Research Online - Australia (34)
- Digital Commons - Michigan Tech (9)
- Digital Commons at Florida International University (9)
- Digital Peer Publishing (1)
- DigitalCommons - The University of Maine Research (1)
- DigitalCommons@The Texas Medical Center (8)
- Diposit Digital de la UB - Universidade de Barcelona (2)
- DRUM (Digital Repository at the University of Maryland) (2)
- Duke University (5)
- eResearch Archive - Queensland Department of Agriculture; Fisheries and Forestry (2)
- FUNDAJ - Fundação Joaquim Nabuco (1)
- Helda - Digital Repository of University of Helsinki (12)
- Indian Institute of Science - Bangalore - Índia (85)
- Institutional Repository of Leibniz University Hannover (1)
- Instituto de Engenharia Nuclear, Brazil - Carpe dIEN (1)
- Instituto Politécnico de Bragança (1)
- Instituto Politécnico do Porto, Portugal (3)
- National Center for Biotechnology Information - NCBI (22)
- Nottingham eTheses (2)
- Plymouth Marine Science Electronic Archive (PlyMSEA) (5)
- Portal de Revistas Científicas Complutenses - Espanha (4)
- Publishing Network for Geoscientific & Environmental Data (27)
- QSpace: Queen's University - Canada (1)
- QUB Research Portal - Research Directory and Institutional Repository for Queen's University Belfast (75)
- Queensland University of Technology - ePrints Archive (60)
- Repositorio Academico Digital UANL (1)
- Repositório Científico da Universidade de Évora - Portugal (3)
- Repositório digital da Fundação Getúlio Vargas - FGV (5)
- Repositório Digital da UNIVERSIDADE DA MADEIRA - Portugal (1)
- Repositório Institucional da Universidade de Aveiro - Portugal (5)
- Repositório Institucional da Universidade Federal do Rio Grande do Norte (1)
- Repositorio Institucional de la Universidad de Málaga (3)
- Repositório Institucional UNESP - Universidade Estadual Paulista "Julio de Mesquita Filho" (83)
- Research Open Access Repository of the University of East London. (1)
- SAPIENTIA - Universidade do Algarve - Portugal (1)
- School of Medicine, Washington University, United States (1)
- Universidad de Alicante (9)
- Universidad del Rosario, Colombia (1)
- Universidad Politécnica de Madrid (22)
- Universidade Complutense de Madrid (3)
- Universidade Estadual Paulista "Júlio de Mesquita Filho" (UNESP) (1)
- Universidade Federal do Pará (7)
- Universidade Federal do Rio Grande do Norte (UFRN) (9)
- Universitat de Girona, Spain (6)
- Universitätsbibliothek Kassel, Universität Kassel, Germany (2)
- Université de Lausanne, Switzerland (1)
- Université de Montréal (1)
- Université de Montréal, Canada (15)
- Université Laval Mémoires et thèses électroniques (1)
- University of Connecticut - USA (1)
- University of Michigan (5)
- University of Queensland eSpace - Australia (19)
- University of Washington (1)
Resumo:
L'entraînement sans surveillance efficace et inférence dans les modèles génératifs profonds reste un problème difficile. Une approche assez simple, la machine de Helmholtz, consiste à entraîner du haut vers le bas un modèle génératif dirigé qui sera utilisé plus tard pour l'inférence approximative. Des résultats récents suggèrent que de meilleurs modèles génératifs peuvent être obtenus par de meilleures procédures d'inférence approximatives. Au lieu d'améliorer la procédure d'inférence, nous proposons ici un nouveau modèle, la machine de Helmholtz bidirectionnelle, qui garantit qu'on peut calculer efficacement les distributions de haut-vers-bas et de bas-vers-haut. Nous y parvenons en interprétant à les modèles haut-vers-bas et bas-vers-haut en tant que distributions d'inférence approximative, puis ensuite en définissant la distribution du modèle comme étant la moyenne géométrique de ces deux distributions. Nous dérivons une borne inférieure pour la vraisemblance de ce modèle, et nous démontrons que l'optimisation de cette borne se comporte en régulisateur. Ce régularisateur sera tel que la distance de Bhattacharyya sera minisée entre les distributions approximatives haut-vers-bas et bas-vers-haut. Cette approche produit des résultats de pointe en terme de modèles génératifs qui favorisent les réseaux significativement plus profonds. Elle permet aussi une inférence approximative amérliorée par plusieurs ordres de grandeur. De plus, nous introduisons un modèle génératif profond basé sur les modèles BiHM pour l'entraînement semi-supervisé.