Я пытаюсь построить VAE, чтобы изучить скрытые особенности в экспериментальных данных в области молекулярной физики. То, что мы можем наблюдать, это кривая как функция температуры, наша идея состоит в том, чтобы изучить симулированную кривую, сгенерированную нашим моделированием для заданных начальных параметров, которые, как мы предполагаем, мы еще не знаем, и попытаться восстановить соответствующую кривую после восстановления кривой из декодера. хорошо соответствует моделируемой кривой, скрытые элементы в слое узких мест должны быть начальными параметрами в начале моделирования.
Но проблема в том, что исходные параметры, используемые в моделировании, являются целочисленными, имеет ли смысл, если я использую гауссово распределение как предварительное распределение для регуляризации P (z | x) и если у нас есть внешняя информация о том, как выглядят связанные параметры в физике, как ввести в автоэнкодер?
Я рассматриваю состязательную часть как дискриминатор, применяемый к автоэнкодеру как генератор и используемый для того, чтобы скрытые функции были целочисленными.