Flow Contrastive Estimation

约 136 个字 预计阅读时间 1 分钟

Noise-Contrastive-Estimation 中,引入了噪声分布 \(p_{noise}\),但是当其过于简单时,可能并不能很好的学习到 discriminator \(D_{\theta}\)。自然的想法是期望 \(p_{noise}\)\(p_{data}\) 越接近越好,这样 \(D_{\theta}\) 更强大,学到的 \(p_{\theta}\) 也会更好。可以用 Flow-Models 来实现。

使用 Flow Model 来从 \(p_{noise}\) 变换到 \(p_{noise, \phi }\),接着使用新的 discriminator \(D_{\theta,Z,\phi}\)

\[ D_{\theta,Z,\phi}=\frac{e^{f_{\theta}(x)}}{e^{f_{\theta}(x)} + p_{noise, \phi}(x)Z} \]

当然期望 flow model 能够使得 \(p_{noise,\phi}(x) \approx p_{data}\)