結合オートエンコーダによる混合表現学習【JST・京大機械翻訳】

Marghi Yeganeh M.; Gala Rohan; Suembuel Uygar

プレプリント

J-GLOBAL ID：202202211970564654 整理番号：21P0040408

結合オートエンコーダによる混合表現学習【JST・京大機械翻訳】

Mixture Representation Learning with Coupled 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 (3件)： , ,
資料名：
発行年： 2020年07月20日プレプリントサーバーでの情報更新日： 2021年04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)

監視のない可変性の離散および連続因子の混合物の同定は,複雑な現象を解明する上で重要な問題である。変分推論は解釈可能な混合表現を学習するための有望な方法として浮上している。しかし,高次元潜在空間での事後近似,特に離散因子については,依然として困難である。ここでは,高次元離散設定によくスケールするcpl-mixVAEと呼ばれる多重相互作用ネットワークを用いた教師なし変分フレームワークを提案した。このフレームワークにおいて,各ネットワークの混合表現は,離散因子に関するコンセンサス制約を課すことによって正則化される。理論的および実験的結果の両方を提供することによって,このフレームワークの使用を正当化した。最後に,提案した方法を用いて,単一細胞トランスクリプトームデータセットプロファイリングにおける遺伝子発現を記述する可変性の離散的および連続的因子を,100以上の皮質ニューロン型よりさらに明らかにした。【JST・京大機械翻訳】

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

人工知能

前のページに戻る