Sharif Digital Repository / Sharif University of Technology
    • [Zoom In]
    • [Zoom Out]
  • Page 
     of  0
  • [Previous Page]
  • [Next Page]
  • [Fullscreen view]
  • [Close]
 
یادگیری بازنمایی با استفاده از شبکه‌های ژرف و نظریه‌ی اطلاعات
حاجی میری، محمد سینا Haji Miri, Mohammad Sina

Cataloging brief

یادگیری بازنمایی با استفاده از شبکه‌های ژرف و نظریه‌ی اطلاعات
پدیدآور اصلی :   حاجی میری، محمد سینا Haji Miri, Mohammad Sina
ناشر :   صنعتی شریف
سال انتشار  :   1399
موضوع ها :   یادگیری عمیق Deep Learning نظریه اطلاعات Information Theory یادگیری بازنمایی...
شماره راهنما :   ‭19-53804

Find in content

sort by

Bookmark

  • 1 مقدمه (11)
    • 1-1 تعریف مسئله (12)
    • 1-2 اهمیت و کاربرد (12)
    • 1-3 کیفیت بازنمایی (13)
    • 1-4 مدل‌های مولد (14)
    • 1-5 چالش‌ها (14)
    • 1-6 هدف پژوهش (15)
    • 1-7 ساختار پایان‌نامه (16)
  • 2 پژوهش‌های پیشین (17)
    • 2-1 پیش‌نیازها (17)
      • 2-1-1 خودکدگذار وردشی (18)
      • 2-1-2 ضریب باتاچاریا (19)
      • 2-1-3 معیارهای کمی میزان [fa]disentanglement (19)
    • 2-2 مدل‌های مبتنی بر خودکدگذار وردشی با فضای نهان بدون ساختار (22)
      • 2-2-1 پژوهش beta-VAE (22)
      • 2-2-2 پژوهش جراحی کران پایین شواهد (23)
      • 2-2-3 پژوهش InfoVAE (25)
      • 2-2-4 پژوهش FactorVAE (26)
      • 2-2-5 پژوهش beta-TCVAE (28)
      • 2-2-6 پژوهش Guided-VAE (29)
    • 2-3 مدل‌های مبتنی بر خودکدگذار وردشی با فضای نهان ساخت‌یافته (32)
      • 2-3-1 پژوهش JointVAE (32)
      • 2-3-2 پژوهش CP-VAE (34)
      • 2-3-3 پژوهش HFVAE (35)
      • 2-3-4 پژوهش CSVAE (36)
      • 2-3-5 پژوهش IV-VAE (38)
    • 2-4 پژوهش‌های دیگر حوزهٔ یادگیری بازنمایی (41)
      • 2-4-1 گلوگاه اطلاعات (41)
      • 2-4-2 شبکهٔ مولد تخاصمی با شبکهٔ استنتاجی (42)
      • 2-4-3 تعمیم برخی از مدل‌های مولد (43)
    • 2-5 جمع‌بندی (45)
  • 3 راهکار پیشنهادی (46)
    • 3-1 مقدمه (46)
    • 3-2 کلیات ساختاری مدل (47)
      • 3-2-1 ساختار فضای نهان و مدل گرافی (47)
      • 3-2-2 معرفی توزیع‌های پیشین و پارامترها (47)
    • 3-3 تابع هدف (49)
      • 3-3-1 توزیع پسین تجمعی گسسته (50)
      • 3-3-2 افزایش تدریجی ظرفیت (52)
      • 3-3-3 جریمهٔ هم‌پوشانی قله‌ها در توزیع پیشین (54)
      • 3-3-4 صورت نهایی تابع هدف مدل (55)
    • 3-4 فرآیند آموزش و تولید (55)
    • 3-5 یادگیری نیمه‌نظارتی (57)
    • 3-6 تعمیم به بیش از یک متغیر گسسته (58)
    • 3-7 جمع‌بندی (59)
  • 4 پیاده‌سازی، آزمایش‌ها و ارزیابی (60)
    • 4-1 مقدمه (60)
    • 4-2 دادگان آموزشی (60)
      • 4-2-1 دادگان MNIST (61)
      • 4-2-2 دادگان dSprites (61)
      • 4-2-3 دادگان CelebA (61)
    • 4-3 معماری مدل (63)
    • 4-4 جزئیات آموزش مدل (64)
    • 4-5 ارزیابی کمی (64)
      • 4-5-1 معیار ارزیابی (65)
      • 4-5-2 نتایج و مقایسهٔ معیار [fa]disentanglement (65)
      • 4-5-3 دسته‌بندی (66)
    • 4-6 ارزیابی کیفی (67)
      • 4-6-1 پیمایش بازنمایی (68)
      • 4-6-2 [fa]taskٔ [fa]attrtransfer (70)
      • 4-6-3 کیفیت توزیع‌های یادگرفته‌شده (70)
    • 4-7 تأثیر ضریب باتاچاریا (72)
    • 4-8 جمع‌بندی (74)
  • 5 جمع‌بندی و کار‌های آتی (76)
  • مراجع (78)
  • واژه‌نامه فارسی به انگلیسی (83)
  • واژه‌نامه انگلیسی به فارسی (85)
  • واژگان کوته‌نوشت (87)
Loading...