一种基于先验的近似潜黎曼度量
机器学习
2021-03-10 v1 机器学习
摘要
随机生成模型能够通过潜空间中的黎曼度量捕捉位于高维空间中的数据流形的几何结构。然而，其实用性相当有限，主要源于不可避免的复杂性。在本文中，我们提出了生成模型潜空间中一种简单、高效且鲁棒的替代共形黎曼度量。该度量基于一个可学习的先验，我们提出使用基本的基于能量的模型来学习该先验。我们从理论上分析了所提度量的行为，并表明其在实践中使用是合理的。我们通过实验展示了新近似度量的效率与鲁棒性及其行为。此外，我们展示了所提方法学在生命科学数据分析中的适用性。
引用
@article{arxiv.2103.05290,
title = {A prior-based approximate latent Riemannian metric},
author = {Georgios Arvanitidis and Bogdan Georgiev and Bernhard Schölkopf},
journal= {arXiv preprint arXiv:2103.05290},
year = {2021}
}