一种用于无监督深度局部学习的生成式方法
计算机视觉与模式识别
2019-10-02 v2
摘要
大多数现有特征学习方法优化的是不灵活的手动设计特征,且亲和矩阵由浅层线性嵌入方法构建。与这些传统方法不同,我们通过堆叠卷积自编码器预训练一个生成式神经网络以学习潜在数据表示,并以其作为先验构建亲和图。基于预训练模型与所构建的图,我们添加自表达层以完善生成模型,随后用包含重构损失与精心定义的保局部损失的新损失函数对其进行微调。由所构建亲和图设计的保局部损失作为先验,在微调阶段保留局部结构,从而有效提升特征表示的质量。此外,编码器与解码器之间的自表达层基于每个潜在特征是其他潜在特征的线性组合这一假设,因此自表达层的加权组合系数被用于构建新的精炼亲和图以表示数据结构。我们在四个数据集上开展实验,证明了所提模型的表示能力优于最先进的方法。
引用
@article{arxiv.1906.07947,
title = {Generative approach to unsupervised deep local learning},
author = {Changlu Chen and Chaoxi Niu and Xia Zhan and Kun Zhan},
journal= {arXiv preprint arXiv:1906.07947},
year = {2019}
}