1,884
个编辑
更改
跳到导航
跳到搜索
第233行：
第233行： − − − <math>\max_{\phi,f_q,\phi^{\dagger}} \mathcal{J}(f_q),</math> − − <math>s.t. || \hat{\boldsymbol{x}}_{t+1}-\boldsymbol{x}_{t+1} || < \epsilon ,</math> − − <math> \hat{\boldsymbol{x}}_{t+1}=\phi^{\dagger}(f_q(\phi(\boldsymbol{x}_t)))</math> + + + +
→神经信息压缩方法
</math>
</math>
|{{EquationRef|1}}}}
|{{EquationRef|1}}}}
将最大化问题转化为带有约束的最小化问题:
将最大化问题转化为带有约束的最小化问题:
<math>\min_{\omega,\theta,\theta'} \sum_{i=0}^{T-1}w(\boldsymbol{x}_t)||\boldsymbol{y}_t-g_{\theta'}(\boldsymbol{y}_{t+1})||+\lambda|| \hat{\boldsymbol{x}}_{t+1}-\boldsymbol{x}_{t+1} ||</math>
<math>\min_{\omega,\theta,\theta'} \sum_{i=0}^{T-1}w(\boldsymbol{x}_t)||\boldsymbol{y}_t-g_{\theta'}(\boldsymbol{y}_{t+1})||+\lambda|| \hat{\boldsymbol{x}}_{t+1}-\boldsymbol{x}_{t+1} ||</math>
其中<math>w(x_t)</math>为逆概率权值,如下所示
<math>
w(\boldsymbol{x}_t)=\frac{\tilde{p}(\boldsymbol{y}_t)}{p(\boldsymbol{y}_t)}=\frac{\tilde{p}(\phi(\boldsymbol{x}_t))}{p(\phi(\boldsymbol{x}_t))}
</math>
[[文件:NIS+.png|居中|400x400像素|替代=NIS模型框架图|NIS+模型框架图|缩略图]]
[[文件:NIS+.png|居中|400x400像素|替代=NIS模型框架图|NIS+模型框架图|缩略图]]