单一独立隐变量的发现
机器学习
2023-03-08 v3 机器学习
摘要
隐变量发现是数据分析中的核心问题，在应用科学中具有广泛应用。本工作中，我们考虑由两部分统计独立分量可逆混合给出的数据，并假设其中一分量被观测而另一分量隐藏。我们的目标是恢复隐藏分量。为此，我们提出一种配备判别器的自编码器。与已被证明不可辨识的标准非线性 ICA 问题不同，在我们此处考虑的这一 ICA 特例中，我们表明该方法能够恢复感兴趣的分量，直至熵保持变换。我们在若干任务中展示了所提方法的性能，包括图像合成、语音克隆与胎儿 ECG 提取。
引用
@article{arxiv.2110.05887,
title = {Discovery of Single Independent Latent Variable},
author = {Uri Shaham and Jonathan Svirsky and Ori Katz and Ronen Talmon},
journal= {arXiv preprint arXiv:2110.05887},
year = {2023}
}
备注
Published as a conference paper at Neurips 2022. In the current version the proof of the lemma is modified