关于解耦表示无监督学习的评述
机器学习
2020-07-29 v1 人工智能
机器学习
摘要
解耦表示的无监督学习旨在无需监督的情况下分离数据中独立的解释性变化因子。在本文中，我们总结了 Locatello 等人 2019 年的结果，并聚焦于它们对实践者的启示。我们讨论了表明在无归纳偏置下解耦表示的无监督学习根本不可能这一理论结果，以及它所带来的实际挑战。最后，我们对实验发现进行评论，强调最先进方法的局限性以及未来研究的方向。
引用
@article{arxiv.2007.14184,
title = {A Commentary on the Unsupervised Learning of Disentangled Representations},
author = {Francesco Locatello and Stefan Bauer and Mario Lucic and Gunnar Rätsch and Sylvain Gelly and Bernhard Schölkopf and Olivier Bachem},
journal= {arXiv preprint arXiv:2007.14184},
year = {2020}
}