深度变换：通过概率再合成进行纠错
机器学习
2015-02-17 v1
摘要
数据中的错误通常不受欢迎，因此某些纠正手段很有用。然而，以无监督方式定义、检测或纠正错误是困难的。在此，我们训练深度神经网络，使其针对给定数据类在输出层重新合成其输入。然后我们利用这一抽象变换（我们称之为深度变换（DT））固有地拒绝存在于抽象特征空间之外的信息（错误）这一事实。使用 DT 执行概率再合成，我们展示了对遭受极度退化数据的恢复。
引用
@article{arxiv.1502.04617,
title = {Deep Transform: Error Correction via Probabilistic Re-Synthesis},
author = {Andrew J. R. Simpson},
journal= {arXiv preprint arXiv:1502.04617},
year = {2015}
}