变分自动编码器(VAE) 提供了一种学习概率分布的方法关联输入对其潜在表示. 特别是编码器映射输入分布在. 典型的编码器会输出参数，代表高斯分布; 这个分布被用作我们的近似值.
有没有人考虑过输出是高斯混合模型而不是高斯模型的 VAE？这有用吗？有没有比简单的高斯分布更有效的任务？或者它提供的好处很少？
具有高斯混合模型的变分自编码器
机器算法验证
神经网络
自动编码器
变分贝叶斯
2022-03-15 23:25:32
1个回答
是的，它已经完成了。下面的论文实现了这种形式的东西：
使用高斯混合变分自动编码器进行深度无监督聚类。Nat Dilokthanakul、Pedro AM Mediano、Marta Garnelo、Matthew CH Lee、Hugh Salimbeni、Kai Arulkumaran、Murray Shanahan。
他们尝试使用这种方法进行聚类。高斯混合中的每个高斯对应一个不同的簇。因为高斯混合在潜在空间（)，并且有一个神经网络连接到，这允许输入空间中的非平凡聚类（）。
该论文还提到了以下博客文章，该文章对该架构进行了不同的变体实验：http ://ruishu.io/2016/12/25/gmvae/
感谢 shimao 指出这一点。