利用解耦特征表示改善抽象推理任务的泛化能力
机器学习
2018-11-13 v1 神经与进化计算
机器学习
摘要
在这项工作中，我们利用解耦 VAE 在源自 Raven 渐进矩阵的一组关系推理问题上学习有用的潜空间，从而探究无监督表示学习的泛化特性。我们表明，通过使用恰当目标函数进行无监督训练所习得的潜表示，显著优于以纯监督学习训练的相同架构，尤其在泛化方面。
引用
@article{arxiv.1811.04784,
title = {Improving Generalization for Abstract Reasoning Tasks Using Disentangled Feature Representations},
author = {Xander Steenbrugge and Sam Leroux and Tim Verbelen and Bart Dhoedt},
journal= {arXiv preprint arXiv:1811.04784},
year = {2018}
}