VAEによる平坦潜在多様体の学習【JST・京大機械翻訳】

Chen Nutan; Klushyn Alexej; Ferroni Francesco; Bayer Justin; van der Smagt Patrick

プレプリント

J-GLOBAL ID：202202202153439210 整理番号：22P0110897

VAEによる平坦潜在多様体の学習【JST・京大機械翻訳】

Learning Flat Latent Manifolds with VAEs

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2020年02月12日プレプリントサーバーでの情報更新日： 2020年08月12日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

データポイント間の類似性を測定することは,しばしばドメイン知識を必要とし,それは,類似性/距離がよりコンパクトな潜在空間で推定される潜在的変数モデルのような教師なし方法に頼ることで補償される。プレ原子価は,Riemann幾何学のフレームワークによって捉えられるように,復号器に保存されたデータの類似性に関する情報を無視する欠点を持つユークリッドメトリックの使用である。変分自動エンコーダのフレームワークへの拡張は,ユークリッドメトリックがデータポイント間の類似性のプロキシである,フラットな潜在多様体を学習することを可能にする。これをRiemann多様体として潜在空間を定義し,計量テンソルをスケール化アイデンティティ行列に正則化することにより達成した。さらに,著者らは,最近提示された,より表現的な階層的1つと,制約付き最適化問題として学習問題を定式化する,変分自己エンコーダで通常用いられるコンパクト事前を置き換える。直線ベース手法の計算効率を保持しながら,最先端の教師つき手法の近くの教師なし手法の性能が,ビデオトラッキングベンチマークを含む一連のデータセットに対して,この方法を評価した。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

パターン認識 , システム・制御理論一般

, ,

前のページに戻る