可学习图上的深度无监督主动学习
机器学习
2021-11-09 v1 人工智能
摘要
近来深度学习已成功应用于无监督主动学习。然而,现有方法试图通过自编码器学习非线性变换,却忽略样本关系,为设计更有效的无监督主动学习表示学习机制留下巨大空间。本文提出一种通过可学习图的新型深度无监督主动学习模型,名为ALLG。ALLG受益于学习最优图结构以获取更好的样本表示并挑选代表性样本。为使所学图结构更稳定有效,我们将近邻图作为先验,并学习关系传播图结构。我们还引入不同层间的快捷连接,可一定程度上缓解众所周知的过平滑问题。据我们所知,这是首次尝试利用图结构学习进行无监督主动学习。在六个数据集上的大量实验证明了本方法的有效性。
引用
@article{arxiv.2111.04286,
title = {Deep Unsupervised Active Learning on Learnable Graphs},
author = {Handong Ma and Changsheng Li and Xinchu Shi and Ye Yuan and Guoren Wang},
journal= {arXiv preprint arXiv:2111.04286},
year = {2021}
}