库仑自编码器
机器学习
2019-11-27 v6 计算机视觉与模式识别
神经与进化计算
摘要
在高维特征空间中学习真实密度是机器学习中一个众所周知的问题。本工作中，我们考虑基于最大均值差异（MMD）的生成式自编码器并提供理论见解。具体而言，(i) 我们证明 MMD 与库仑核相结合具有最优收敛性质，类似于凸泛函，从而改善自编码器的训练；(ii) 我们给出关于泛化性能的的概率界，强调了取得更好泛化的一些基本条件。我们在合成示例和名人面孔流行数据集上验证了该理论，表明我们称为库仑自编码器的模型优于当前最优（SOTA）。
引用
@article{arxiv.1802.03505,
title = {Coulomb Autoencoders},
author = {Emanuele Sansone and Hafiz Tiomoko Ali and Sun Jiacheng},
journal= {arXiv preprint arXiv:1802.03505},
year = {2019}
}