MDL-VAE 与标准 VAE 在 202 年妇科数据上的比较分析
机器学习
2025-02-26 v1 人工智能
摘要
本研究对使用最小描述长度（MDL）正则化增强的变分自编码器（VAE）与标准自编码器在重建高维妇科数据方面进行了比较评估。MDL-VAE 表现出显著更低的重建误差（MSE、MAE、RMSE）和更结构化的潜在表示，这得益于有效的 KL 正则化。统计分析证实了这些性能改进的显著性。此外，MDL-VAE 显示出一致的训练和验证损失，并实现了高效的推理时间，突显了其稳健性和实际可行性。我们的研究结果表明，将 MDL 原则纳入 VAE 架构可以显著改善数据重建和泛化能力，使其成为医疗保健数据建模和分析中高级应用的一种有前途的方法。
引用
@article{arxiv.2502.18412,
title = {Comparative Analysis of MDL-VAE vs. Standard VAE on 202 Years of Gynecological Data},
author = {Paula Santos},
journal= {arXiv preprint arXiv:2502.18412},
year = {2025}
}
备注
12 pagas, 5 figures, 9th International Conference on Signal, Image Processing (SIPO 2025), Vancouver CA