Comparaison de l'estimation du maximum de vraisemblance et de l'entraînement basé sur GAN des NVP réels

Nous formons un générateur par estimation du maximum de vraisemblance et nous formons également la même architecture de générateur par Wasserstein GAN. Nous comparons ensuite les échantillons générés, les densités de probabilité logarithmiques exactes et les distances Wasserstein approximatives. Nous montrons qu'un critique indépendant formé pour approximer la distance Wasserstein entre l'ensemble de validation et la distribution du générateur aide à détecter le surapprentissage. Enfin, nous utilisons des idées provenant de la littérature sur l'apprentissage par un coup pour développer un critique novateur à apprentissage rapide.