変分オートエンコーダのためのスパース性促進辞書モデル【JST・京大機械翻訳】

Sadeghi Mostafa; Magron Paul

プレプリント

J-GLOBAL ID：202202210698463642 整理番号：22P0312408

変分オートエンコーダのためのスパース性促進辞書モデル【JST・京大機械翻訳】

A Sparsity-promoting Dictionary Model for Variational Autoencoders

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 (2件)： ,
資料名：
発行年： 2022年03月29日プレプリントサーバーでの情報更新日： 2022年06月17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)

確率的深層生成モデル,例えば変分オートエンコーダ(VAEs)における潜在空間の構築は,より表現的モデルおよび解釈可能な表現を産出し,過剰適合を避けるために重要である。この目的を達成するための一つの方法は,例えばLaplace事前により,潜在変数にスパース性制約を課すことである。しかし,そのようなアプローチは通常訓練フェーズを複雑にし,それらはスパース性を促進するために再構成品質を犠牲にする。本論文では,スパース性促進辞書モデルを介して潜在空間を構造化するための簡単で効果的な方法論を提案し,各潜在符号が辞書の柱のスパース線形結合として記述できると仮定した。特に,学習可能な分散を伴うゼロ平均Gaussポテンシャルに依存する計算的に効率的で同調のない方法を利用した。このモデルを訓練する変分推論スキームを導いた。音声生成モデリングに関する実験は,出力音声品質を悪化させない間,スパース性を促進するので,競合技術に対する提案アプローチの利点を実証した。【JST・京大機械翻訳】

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

図形・画像処理一般 , 人工知能

, , , ,

前のページに戻る