Aprendizaje profundo generativo, 2ª edición

Capítulo 7. Modelos basados en la energía

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: [e-mail]

Objetivos del capítulo

En este capítulo:

• Comprender cómo formular un modelo profundo basado en la energía (EBM).

• Mira cómo tomar muestras de un EBM utilizando la dinámica de Langevin.

• Entrena tu propia EBM utilizando la divergencia contrastiva.

• Analiza el EBM, incluyendo la visualización de instantáneas del proceso de muestreo de la dinámica de Langevin.

• Conoce otros tipos de EBM, como las máquinas de Boltzmann restringidas.

Modelos basados en la energía son una amplia clase de modelos generativos que toman prestada una idea clave del modelado de sistemas físicos, a saber, que la probabilidad de un suceso puede expresarse mediante una distribución de Boltzmann, una función específica que normaliza una función de energía de valor real entre 0 y 1. Esta distribución fue formulada originalmente en 1868 por Ludwig Boltzmann, que la utilizó para describir gases en equilibrio térmico.

En este capítulo, veremos cómo podemos utilizar esta idea para entrenar un modelo generativo que sirva para producir imágenes de dígitos manuscritos. Exploraremos varios conceptos nuevos, como la divergencia contrastiva para entrenar el EBM y la dinámica de Langevin para el muestreo.

Introducción

En empezaremos con una breve historia para ilustrar los conceptos clave de los modelos basados en la energía.

Club de Corredores de Long-au-Vin ...