文献

J-GLOBAL ID：202002229147191678   整理番号：20A0380550

変分自動符号器における影響因子の発見【JST・京大機械翻訳】

Discovering influential factors in variational autoencoders

著者 (8件)： Liu Shiqi (Xi’an Jiaotong University, Xi’an, Shaan’xi Province, PR China) ,  Liu Jingxin (Brunel University London, London, United Kingdom) ,  Zhao Qian (Xi’an Jiaotong University, Xi’an, Shaan’xi Province, PR China) ,  Cao Xiangyong (Xi’an Jiaotong University, Xi’an, Shaan’xi Province, PR China) ,  Li Huibin (Xi’an Jiaotong University, Xi’an, Shaan’xi Province, PR China) ,  Meng Deyu (Xi’an Jiaotong University, Xi’an, Shaan’xi Province, PR China) ,  Meng Hongying (Brunel University London, London, United Kingdom) ,  Liu Sheng (State University of New York at Buffalo, NY 14214, United States)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 100  ページ： Null  発行年： 2020年 
JST資料番号： D0611A  ISSN： 0031-3203  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 機械学習の分野において,有用な知識を抽出するか,あるいは下流タスクに役立つために,人手による介入または直感支援なしで学習表現を同定し,監督することは,依然として重要な課題である。本研究では,変分自動符号器(VAE)により抽出された影響因子を監視することに焦点を当てた。VAEは独立した低次元表現を学習するために提案されているが,時にはあらかじめ設定された因子が無視されるという問題に直面している。著者らは,入力の相互情報と表現の各学習因子が影響因子を発見する必要な指標を果たすことを論じた。著者らは,データ固有次元上の因子次元における相互情報スパース性を誘発するために,VAE目的傾斜を見つけて,したがって,データ再構成に関する機能が無視できるいくつかの非影響因子をもたらした。相互情報もVAEの再構成誤差と下流分類タスクの下限に影響することを示した。このような指標を適用するために,VAEの相互情報を計算するためのアルゴリズムを設計し,その一貫性を証明した。MNIST,CeebAおよびDEAPデータセットに関する実験結果は,相互情報が影響因子を決定するのを助けることができることを示した。その中で,いくつかは解釈可能で,さらなる生成および分類タスクに使用でき,DEAPデータセット上の感情と結合する変異体を発見する助けとなる。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *符号器 ,  *変分法 ,  再構成 ,  機械学習 ,  学習 ,  アルゴリズム
準シソーラス用語： 生成モデル ,  自己符号化器 ,  データ再構成 ,  スパース性 ,  低次元 ,  影響因子 , 【Automatic Indexing@JST】

著者キーワード (3件)： 変分オートエンコーダ ,  相互情報 ,  生成モデル

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 変分 ,  符号器 ,  影響因子 ,  発見