用于概率非负矩阵分解的变分自编码器
机器学习
2019-06-17 v1 机器学习
摘要
我们引入并演示了用于概率非负矩阵分解（PAE-NMF）的变分自编码器（VAE）。我们设计了一个能够执行非负矩阵分解（NMF）的网络，并融入了 VAE 的特性以使潜在空间的系数具有概率性。通过将网络最后一层的权重限制为非负，并使用非负 Weibull 分布，我们提出了一种概率形式的 NMF，这使我们能够生成新数据，并找到一个有效连接潜在变量与输入变量的概率分布。我们在三个异构数据集：图像、金融时间序列和基因组数据上，展示了 PAE-NMF 的有效性。
关键词
引用
@article{arxiv.1906.05912,
title = {A Variational Autoencoder for Probabilistic Non-Negative Matrix Factorisation},
author = {Steven Squires and Adam Prügel Bennett and Mahesan Niranjan},
journal= {arXiv preprint arXiv:1906.05912},
year = {2019}
}