深度生成模型
Deep Generative Models
| 節 | 週二 |
|---|---|
5 13:20–14:10 | 深度生成模型 CM218（歸仁） 3 節連堂 |
6 14:20–15:10 | |
7 15:30–16:20 |
* 根據陽明交大上課時間表所列
生成模型是 AI 及機器學習的一種方法,被廣泛運用在不同領域。他可以作為一種基礎方式,配合其他演算法使用,比方用來當作資料增強的一部分,也可以單純拿來生出更多的內容。 近年來因為深度學習的發展,有許多生成模型的進展,像是 GAN, VAE, autoregression models, Generative flow 等等。 課程中我們將會從這些基礎的模型介紹開始,後面則會介紹一些最新的成果。
了解神經網路、會使用 Python
無備註
課堂講授、示範,配合每單元作業
作業 6 次 100%
VAE
* Variational Autoencoder * VQVAE
GAN
* GAN, DCGAN and math * LSGAN, WGAN and math * SNGAN
Conditional GAN
* Semi-supervised GAN * Conditional GAN * ACGAN * Pix2Pix * CycleGAN
Autoregressive models and Generative Flow
* Autoregressive models * Models with Normalizing Flows
Recent advances
Selected topics and papers
Introduction
* Deep learning and generative model * Python and deep learning framework * Autoencoder
| 週次 | 主題 |
|---|---|
| 第 1 週 | Introduction 2/23 |
| 第 2 週 | Introduction: Python and deep learning framework 3/2 |
| 第 3 週 | Introduction: Autoencoder 3/9 |
| 第 4 週 | VAE: Variational Autoencoder, Theory 3/16 |
| 第 5 週 | VAE: Variational Autoencoder: Implementation 3/23 |
| 第 6 週 | VAE: VQVAE 3/30 |
| 第 7 週 | GAN: GAN, DCGAN and math 4/6 |
| 第 8 週 | GAN: LSGAN, WGAN and math 4/13 |
| 第 9 週 | GAN: WGAN and SNGAN 4/20 |
| 第 10 週 | Conditional GAN: CGAN, ACGAN 4/27 |
| 第 11 週 | Conditional GAN: Pix2Pix 5/4 |
| 第 12 週 | Conditional GAN 5/11 |
| 第 13 週 | Autoregressive models and Generative Flow: Autoregressive models 5/18 |
| 第 14 週 | Autoregressive models and Generative Flow: Generative Flow 5/25 |
| 第 15 週 | Autoregressive models and Generative Flow: Generative Flow 6/1 |
| 第 16 週 | Recent advances: TBD 6/8 |
| 第 17 週 | Recent advances: TBD 6/15 |
| 第 18 週 | Recent advances: Summary and review 6/22 |
Stanford CS236 Lecture notes: Aditya Grover, https://deepgenerativemodels.github.io/notes/index.html
- 地點
- 教師未提供此項資料
- 時間
- 教師未提供此項資料
- 聯絡方式
- 教師未提供此項資料