自编码器在无监督与半监督学习中的泛化界
机器学习
2019-02-06 v1 机器学习
摘要
自编码器被广泛用于无监督学习以及作为半监督学习中的正则化方案。然而，对其泛化性质以及其辅助监督学习方式的理论理解一直匮乏。我们利用深度学习泛化理论的最新进展，结合一种新颖的重构损失，为自编码器提供了泛化界。据我们所知，这是首个此类界。我们进一步表明，在适当假设下，具有良好泛化性质的自编码器可改进任意半监督学习方案。我们以实证演示支撑了我们的理论结果。
引用
@article{arxiv.1902.01449,
title = {Generalization Bounds For Unsupervised and Semi-Supervised Learning With Autoencoders},
author = {Baruch Epstein and Ron Meir},
journal= {arXiv preprint arXiv:1902.01449},
year = {2019}
}
备注
Submitted to COLT 2019