自己回帰型生成ネット
出典: フリー百科事典『ウィキペディア（Wikipedia）』 (2022/03/23 09:35 UTC 版)
「ニューラルネットワーク」の記事における「自己回帰型生成ネット」の解説
s e r i e s ∼ p ( x t , x t − 1 , . . . , t 0 ) = ∏ i = 0 N p ( x t | x < t ) = ∏ i = 0 N N e u r a l N e t w o r k ( x t | x < t ) {\displaystyle series\sim p(x_{t},x_{t-1},...,t_{0})=\prod _{i=0}^{N}p(x_{t}|x_{<t})=\prod _{i=0}^{N}NeuralNetwork(x_{t}|x_{<t})} 自己回帰型生成ネット（Autoregressive Generative Network）とは、系列データの生成過程（同時確率分布）を系列の過去データに対する条件付分布の積と考え条件付分布をニューラルネットワークで表現するモデルである。非線形自己回帰生成モデルの一種、詳しくは自己回帰モデル § 非線形自己回帰生成モデル。画像生成におけるPixelCNN、音声生成におけるWaveNet・WaveRNNがその例である。学習時は学習データを条件付け（=入力）にできるため、ニューラルネットワーク自体が再帰性を持っていなければ並列学習が容易である（CNN型のWaveNetなど）。ニューラルネットワーク自体に再帰性がある場合は学習時も系列に沿った逐次計算が必要となる（RNN型のWaveRNNなど）。
※この「自己回帰型生成ネット」の解説は、「ニューラルネットワーク」の解説の一部です。
「自己回帰型生成ネット」を含む「ニューラルネットワーク」の記事については、「ニューラルネットワーク」の概要を参照ください。
- 自己回帰型生成ネットのページへのリンク
