InfoCatVAE：基于类别变分自编码器的表示学习
机器学习
2018-06-26 v2 机器学习
摘要
本文描述了 InfoCatVAE，一种变分自编码器的扩展，可实现无监督解耦表示学习。InfoCatVAE 对先验网络和推断网络使用多模态分布，然后最大化证据下界目标（ELBO）。我们将为模型推导的新 ELBO 与自然软聚类目标相联系，这解释了方法的鲁棒性。随后我们将 InfoGANs 方法适配到我们的设定中，以最大化类别码与生成输入之间的互信息，从而得到改进的模型。
引用
@article{arxiv.1806.08240,
title = {InfoCatVAE: Representation Learning with Categorical Variational Autoencoders},
author = {Edouard Pineau and Marc Lelarge},
journal= {arXiv preprint arXiv:1806.08240},
year = {2018}
}
备注
9 pages, 3 appendix, 5 figures. arXiv admin note: text overlap with arXiv:1606.03657 by other authors