通过生成纠缠解耦变化因子
机器学习
2012-10-22 v1 机器学习
神经与进化计算
摘要
我们提出了一种新的模型家族，旨在学习解耦数据中的变化因子。我们的方法基于 spike-and-slab 受限玻尔兹曼机，并将其推广以包含多个潜变量之间的高阶相互作用。从生成视角来看，这种乘法相互作用模拟了变化因子的纠缠过程，而模型中的推断则可视为对这些生成因子的解耦。与以往解耦潜因子的尝试不同，所提出的模型在训练过程中无需任何关于潜因子的监督信息。我们将该模型应用于面部表情分类任务。
引用
@article{arxiv.1210.5474,
title = {Disentangling Factors of Variation via Generative Entangling},
author = {Guillaume Desjardins and Aaron Courville and Yoshua Bengio},
journal= {arXiv preprint arXiv:1210.5474},
year = {2012}
}