通过与环境交互解耦可控与不可控的变异因素
计算机视觉与模式识别
2018-05-23 v2
摘要
我们提出了一种通过与环境交互来解耦可控与不可控变异因素的方法。解耦能够带来良好的表征，在需要将深度神经网络（DNNs）应用于要求可解释性的领域时尤为重要。本研究试图改进现有的强化学习（RL）方法以解耦可控与不可控变异因素，因为该方法缺乏表征不可控障碍的机制。为解决此问题，我们同时训练两个 DNN：一个表征可控对象，另一个表征不可控障碍。为稳定训练，我们采用了一种对不可控障碍具有鲁棒性的模型进行预训练。仿真实验表明，所提模型无需标注数据即可解耦独立可控与不可控的因素。
引用
@article{arxiv.1804.06955,
title = {Disentangling Controllable and Uncontrollable Factors of Variation by Interacting with the World},
author = {Yoshihide Sawada},
journal= {arXiv preprint arXiv:1804.06955},
year = {2018}
}
备注
Revised version