N(μ, ??)（这里 μ 和 ?? 都是带参数的网络，通过学习得到）。当采样的 x 通过 Q 后就可以得到z。但是由于这一步是随机过程，atv，backpropagation就会中断。这个时候我们就可以利用 N(μ, ??) = N(0, I) ? ?? + μ 将随机过程转移到输入端。先从标准正态分布采样 z0，此时网络 Q 并不直接输出z，而是输出两个参数μ 和 ??，之后在通过 z=z0 ? ?? + μ 得到z。由于中间节点变成了常规运算，因此backpropagation可以正常传回输入端。

　　作者介绍

　　赵越，本科SJTU，现在NCSU phd，研究领域编译器，程序语言。此外对深度学习感兴趣。

　　联系方式： [email protected]

　　关于PaperWeekly

　　PaperWeekly是一个分享知识和交流学问的学术组织，关注的领域是NLP的各个方向。如果你也经常读paper，也喜欢分享知识，也喜欢和大家一起讨论和学习的话，请速速来加入我们吧。

　　微信公众号：PaperWeekly

　　微博账号：PaperWeekly（）

　　微信交流群：微信+ zhangjun168305（请备注：加群交流或参与写paper note）