从点到源：用生成模型初始化神经网络
原文中文，约400字，阅读约需1分钟。发表于：。我们介绍了两组新的初始化方法：第一组是通过应用变分自动编码器来局部初始化权重组，第二组是通过应用图形超网络来全局初始化完整的权重集合。我们通过在精度、收敛速度和集成方面对采用的生成模型对最先进的神经网络进行了彻底的评估。结果表明，全局初始化导致更高的准确性和更快的初始收敛速度，然而通过图形超网络实现的方式会降低对于超出分布数据的集成性能。为了弥补这个问题，我们提出了一种叫噪声图形超网络的修改...
该文介绍了两组新的神经网络初始化方法，全局初始化能提高准确性和初始收敛速度，但会降低集成性能。提出了一种叫噪声图形超网络的修改方法，鼓励产生多样性，有潜力将学到的知识传递给不同的图像分布。
