基于能量的模型（EBM）是生成模型（GM）的一种形式。GM通过分析样本数据集学习基础数据分布。训练后，GM可以产生其他与数据分布相匹配的数据集。EBM为许多此类学习的概率和非概率方法（尤其是图形和其他结构化模型的训练）提供了统一的框架。
EBM学习目标数据集的特征并生成相似但更大的数据集，通过检测数据集的潜在变量并生成具有相似分布的新数据集。
EBM通过将未归一化的概率标量（能量）与观察变量和潜在变量组合的每种配置相关联来捕获依赖性。推论包括找到潜在变量，这些潜变量在给定一组观察值的情况下将能量最小化。类似地，模型学习一个函数，该函数将低能量关联到潜变量的正确值，而将高能量关联到不正确的值。
目录
内容截图
