線形ICAのための二射影特徴マップの学習【JST・京大機械翻訳】

Camuto Alexander; Willetts Matthew; Paige Brooks; Holmes Chris; Roberts Stephen

プレプリント

J-GLOBAL ID：202202210653022874 整理番号：21P0024718

線形ICAのための二射影特徴マップの学習【JST・京大機械翻訳】

Learning Bijective Feature Maps for Linear ICA

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18日プレプリントサーバーでの情報更新日： 2021年01月29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)

独立した潜在因子,すなわち独立成分分析(ICA)への画像のような高次元データの分離は,未解決の研究問題である。著者らが示すように,既存の確率的深層生成モデル(DGMs)は,画像データに対してテーラーメイドであり,非線形ICAタスクに劣っている。これに取り組むために,高次元データに対する解釈可能な潜在構造を学習するために,線形ICAモデルとバイジェクティブ特徴マップを結合したDGMを提案した。このようなハイブリッドモデルを共同訓練する複雑性を考慮して,線形ICAを直交矩形行列の多様体,Stiefel多様体に近づける新しい理論を導入した。それにより,急速に収束するモデルを作成し,訓練が容易であり,画像上のフローベースモデル,線形ICA,および変分オートエンコーダよりも,より良い教師なし潜在因子発見を達成した。【JST・京大機械翻訳】

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

パターン認識 , 図形・画像処理一般 , システム・制御理論一般 , 人工知能

, , , ,

前のページに戻る