基于孪生神经网络的共同变量学习与不变表示学习
机器学习
2016-05-12 v3 机器学习
神经与进化计算
摘要
我们考虑学习由多个传感器同步捕获的数据中共同变异来源的统计问题，并证明孪生神经网络可自然应用于此问题。该方法尤其在探索性、数据驱动的应用中有用，其中既无模型也无标签信息。近年来，许多研究者成功应用孪生神经网络获得对应于“语义相似性”的数据嵌入。我们将此“语义相似性”解释为等价类学习。我们讨论孪生网络所得嵌入的性质，并提供经验结果证明孪生网络学习共同变异的能力。
引用
@article{arxiv.1512.08806,
title = {Common Variable Learning and Invariant Representation Learning using Siamese Neural Networks},
author = {Uri Shaham and Roy Lederman},
journal= {arXiv preprint arXiv:1512.08806},
year = {2016}
}