一种基于变分自编码器的非负矩阵分解深度字典学习模型
机器学习
2023-01-19 v1 信号处理
摘要
利用非负矩阵分解（NMF）构建字典在信号处理和机器学习中有广泛应用。随着深度学习的进展，使用深度神经网络训练紧凑且鲁棒的字典，即深度特征字典，已被提出。在本研究中，我们提出一种概率生成模型，该模型采用变分自编码器（VAE）来执行非负字典学习。与现有 VAE 模型不同，我们在潜在变量服从 Gamma 分布的统计框架下构建模型，并设计新的损失函数以保证非负字典。我们采用接受-拒绝采样重参数化技巧来迭代更新潜在变量。我们将从 VAE-NMF 学习到的字典应用于两个信号处理任务，即语音增强和肌肉协同提取。实验结果表明，与最先进的方法相比，VAE-NMF 在学习潜在非负字典方面表现更优。
引用
@article{arxiv.2301.07272,
title = {A variational autoencoder-based nonnegative matrix factorisation model for deep dictionary learning},
author = {Hong-Bo Xie and Caoyuan Li and Shuliang Wang and Richard Yi Da Xu and Kerrie Mengersen},
journal= {arXiv preprint arXiv:2301.07272},
year = {2023}
}
备注
7 pages, 2 figures