碧落回雪的博客

主要是参考苏剑林老师的论文《Variational Inference: A unified Framework of Generative Models and Some Revelations》以及文章《用变分推断统一理解生成模型（VAE、GAN、AAE、ALI）》和其他的一些东西的笔记变分推断什么是变分法（似乎没啥用）参考知乎的答案，无限维空间上的微分（Frechet微分）作用于泛函被叫做变分，是微分在函数空间的拓展。泛函是将函数空间映射到数域，比如，从A点到B点有无数条路径，每一条路径对应一

Wasserstein Disstance先简单记录下对这个距离的理解，后续补全 首先，WGAN的论文里提出了Wasserstein距离 W(Pr,Pg)=infγ∈Π(Pr,Pg)E(x,y)∼γ[||x−y||]W(Pr,Pg)=infγ∈Π(Pr,Pg)E(x,y)∼γ[||x−y||]W(\mathbb{P}_r, \mathbb{P}_g)=\inf_{\gamma \in \P...

贝叶斯定理首先是条件概率公式如下： P(A|B)=P(B|A)P(A)P(B)P(A|B)=P(B|A)P(A)P(B)P(A|B)=\frac {P(B|A)P(A)}{P(B)} 为了方便理解，可以参考下图 已知两个独立事件AAA和BBB，那么事件BBB发生的前提下，事件AAA发生的概率可以表示为P(A|B)P(A|B)P(A|B)，即上图中橙色部分占红色部分的...