文献

J-GLOBAL ID：202202227715803590   整理番号：22A0310996

多視点表現学習のための非もつれ変分情報ボトルネック【JST・京大機械翻訳】

Disentangled Variational Information Bottleneck for Multiview Representation Learning

著者 (1件)： Bao Feng (University of California, San Francisco, USA)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 13070  ページ： 91-102  発行年： 2022年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： マルチビューデータは複数のモダリティからの情報を含み,多様な機械学習タスクのためのより包括的な特徴を提供する可能性を有する。多視点解析における基本的問題は,追加情報によって追加の情報がもたらすことができるか,また,この追加情報を定量的に同定できることである。本研究では,各単一視点に特異的であるすべてのビューと個人表現に共通する共有潜在表現にもつれた多視点特徴を分解することにより,この課題に取り組むことを試みた。著者らは,情報ボトルネックのフレームワークにおけるこの特徴解答を定式化し,非もつれ変分情報ボトルネック(DVIB)を提案した。DVIBは,相互情報からの制約を用いて共有および個人表現の特性を明示的に定義する。相互情報項の変分上界と下界を導出することにより,表現を効率的に最適化する。DVIBにより学習された共有および個人表現は,各単一視点に対応する2つのビューとユニークなラベルの間で共有された共通ラベルを良好に保存することを証明した。また,DVIBは,崩壊による画像に関する分類タスクにおいて同等の性能を示した。DVIB実装は,利用可能である。Copyright Springer Nature Switzerland AG 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  *表現 ,  *変分法 ,  *情報 ,  分類 ,  表示 ,  画像 ,  障害 ,  定式化 ,  機械学習
準シソーラス用語： モダリティ ,  下界 ,  上界 ,  マルチビュー ,  *表現学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 情報ボトルネック ,  変分推論 ,  多視点表現学習 ,  情報分離

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

タイトルに関連する用語 (4件)： 視点 ,  表現学習 ,  変分 ,  ボトルネック