generativ model
En generativ model er en statistisk model, der lærer den fælles sandsynlighedsfordeling over data og kan generere nye syntetiske datapunkter.
Kort fortalt
En generativ model lærer, hvordan data ser ud, og kan derefter skabe nye, realistiske eksempler af samme type.
- Kategori
- begreb
- Niveau
- øvet
Betydninger
2- 1
I statistik og sandsynlighedsteori: en model der lærer den fælles sandsynlighedsfordeling P(X,Y) eller P(X) og kan anvendes til at generere nye samples samt til klassifikation via Bayes' regel.
- En generativ model for håndskrevne cifre kan både generere nye cifre og beregne sandsynligheden for et givet billede. — lærebog, 2021
- 2
I deep learning: en model, der trænes til at generere realistiske syntetiske data, ofte ved hjælp af arkitekturer som generative adversarial networks (GAN), variational autoencoders (VAE) eller diffusionsmodeller.
- GAN er en populær generativ model, der består af en generator og en diskriminator, der konkurrerer mod hinanden. — Goodfellow et al., 2014
- Diffusionsmodeller har opnået state-of-the-art resultater inden for billedgenerering. — Ho et al., 2020
Hvornår bruges det
Generative modeller bruges inden for billedgenerering, tekstskabelse, lydsyntese og dataaugmentering. De adskiller sig fra diskriminative modeller ved at kunne generere nye data frem for blot at klassificere eksisterende.
Oprindelse
Udtrykket kommer af 'generativ' (som kan generere) og 'model' (matematisk repræsentation). Begrebet har rødder i statistik og sandsynlighedsteori og blev centralt i maskinlæring med introduktionen af f.eks. GANs og VAEs.
Afledte ord
3Kilder
2- Generative Adversarial Nets (Goodfellow et al., 2014)
- Pattern Recognition and Machine Learning (Bishop, 2006)