今天要來介紹另一種generative model──variational auto-encoder (VAE) [1] 以及他的延伸 conditional variational auto-encoder (Conditional VAE) [2]
之前提到的generative adversarial nets (GAN) 是讓discriminator和generator透過互相競爭產生一個足夠好的generator來generate data
而VAE則是想透過機率模型模擬出data的distribution,新的data可以透過distribution sample得到
Murmur
2017年6月26日 星期一
2017年6月19日 星期一
GAN and Conditional GAN
一直以來我都想寫一些類似科普的文章,希望能夠用沒那麼技術的文字來介紹一些東西
只是之前都太懶惰了哈哈哈哈
最近決定邊讀新的paper,邊用blog介紹這些paper,寫下我對這些paper的理解
有發現錯誤的地方請跟我說,也歡迎大家討論
這篇要介紹的是machine learning現在超紅的generative adversarial nets (GAN) [1] 以及他的延伸 conditional generative adversarial nets (Conditional GAN) [2]
適合對machine learning有些認識的人閱讀
只是之前都太懶惰了哈哈哈哈
最近決定邊讀新的paper,邊用blog介紹這些paper,寫下我對這些paper的理解
有發現錯誤的地方請跟我說,也歡迎大家討論
這篇要介紹的是machine learning現在超紅的generative adversarial nets (GAN) [1] 以及他的延伸 conditional generative adversarial nets (Conditional GAN) [2]
適合對machine learning有些認識的人閱讀
2017年6月2日 星期五
聊聊AlphaGo
繼去年3月AlphaGo擊敗了李世乭之後
前陣子AlphaGo又擊敗了目前圍棋積分世界第一的柯潔
這樣的結果在圍棋界和AI界都造成了極大的轟動
剛好我對這兩個領域都稍有涉獵,就來談談AlphaGo的出現代表了什麼意義吧
和人類比起來,AI下棋會有什麼優勢呢
大部分人第一個想到的應該是計算能力吧
在下棋的時候,棋手會在腦內模擬棋局的各種變化
我下這、你下那、我再下這、你再下那,啊!這樣的下法好像不好
然後重新模擬另一種變化,直到找到一個比較滿意的下法
不過人類的計算能力有限,一秒鐘能夠計算3~4種變化就很厲害了
但AI一秒鐘卻可以計算上千甚至上萬種變化
這樣的計算能力的確讓AI在許多棋類佔盡優勢
前陣子AlphaGo又擊敗了目前圍棋積分世界第一的柯潔
這樣的結果在圍棋界和AI界都造成了極大的轟動
剛好我對這兩個領域都稍有涉獵,就來談談AlphaGo的出現代表了什麼意義吧
和人類比起來,AI下棋會有什麼優勢呢
大部分人第一個想到的應該是計算能力吧
在下棋的時候,棋手會在腦內模擬棋局的各種變化
我下這、你下那、我再下這、你再下那,啊!這樣的下法好像不好
然後重新模擬另一種變化,直到找到一個比較滿意的下法
不過人類的計算能力有限,一秒鐘能夠計算3~4種變化就很厲害了
但AI一秒鐘卻可以計算上千甚至上萬種變化
這樣的計算能力的確讓AI在許多棋類佔盡優勢
2017年5月31日 星期三
2017年3月15日 星期三
主人與他的11個客人
好久沒更新blog了,今天要來和大家分享一個數學面試題
這個面試題是我聽過的題目中數一數二有趣的題目
題目如下:
有一個主人邀請了11個客人來他家玩,在客人回去之前,主人決定送其中一個客人一份禮物
主人想了一個遊戲來決定這個幸運的人,他要所有客人和自己圍成一圈
一開始禮物在主人手上,接著他會有一半的機率把禮物往左傳,一半的機率把禮物往右傳
拿到禮物的人也要以一半往左一半往右的機率把禮物傳出去
只要客人一碰到這個禮物,他就喪失拿到禮物的機會了,不過他還是得繼續幫忙傳禮物
換句話說,比其他10個客人晚碰到禮物的那個客人即可獲得禮物
現在問題來了,如果你是其中一個客人,請問你坐在圓圈中哪個位子獲得禮物的機會最高呢?
這個面試題是我聽過的題目中數一數二有趣的題目
題目如下:
有一個主人邀請了11個客人來他家玩,在客人回去之前,主人決定送其中一個客人一份禮物
主人想了一個遊戲來決定這個幸運的人,他要所有客人和自己圍成一圈
一開始禮物在主人手上,接著他會有一半的機率把禮物往左傳,一半的機率把禮物往右傳
拿到禮物的人也要以一半往左一半往右的機率把禮物傳出去
只要客人一碰到這個禮物,他就喪失拿到禮物的機會了,不過他還是得繼續幫忙傳禮物
換句話說,比其他10個客人晚碰到禮物的那個客人即可獲得禮物
現在問題來了,如果你是其中一個客人,請問你坐在圓圈中哪個位子獲得禮物的機會最高呢?
2016年11月28日 星期一
2015年1月15日 星期四
Machine Learning 助教心得
這次來和大家分享一下當助教的心得好了
這學期是我第二次當台大機器學習課程的助教
機器學習這門課包含了一些理論及分析
所以大部分的作業題目不只要給出答案,還要解釋或是證明答案是正確的
在改作業的過程中,我發現了很多學生不太擅長回答這類型的題目
這學期是我第二次當台大機器學習課程的助教
機器學習這門課包含了一些理論及分析
所以大部分的作業題目不只要給出答案,還要解釋或是證明答案是正確的
在改作業的過程中,我發現了很多學生不太擅長回答這類型的題目
訂閱:
文章 (Atom)