仿射变分自编码器：一种提升泛化能力与分布偏移鲁棒性的高效方法
神经与进化计算
2019-05-15 v1 计算机视觉与模式识别
机器学习
摘要
在本研究中，我们提出仿射变分自编码器（AVAE），它是变分自编码器（VAE）的一种变体，旨在通过克服 VAE 无法泛化到以仿射扰动形式出现的分布偏移来提升鲁棒性。通过优化一个仿射变换以最大化 ELBO，所提 AVAE 将输入变换到训练分布，而无需增加模型复杂度来建模仿射变换的完整分布。此外，我们引入一种训练流程，通过学习训练分布的一个子集来创建高效模型，并利用 AVAE 在测试时提升对分布偏移的泛化能力与鲁棒性。在仿射扰动上的实验表明，所提 AVAE 在不增加模型复杂度的情况下，显著改善了对仿射扰动形式分布偏移的泛化能力与鲁棒性。
引用
@article{arxiv.1905.05300,
title = {Affine Variational Autoencoders: An Efficient Approach for Improving Generalization and Robustness to Distribution Shift},
author = {Rene Bidart and Alexander Wong},
journal= {arXiv preprint arXiv:1905.05300},
year = {2019}
}
备注
6 pages