用于时间序列聚类的可解释谱变分自编码器 (ISVAE)
机器学习
2023-10-19 v1 机器学习
摘要
最佳的编码本质上是可解释的。本工作中，我们引入一种新颖模型，其在变分自编码器 (VAE) 前端融入了一个称为滤波器组 (FB) 的可解释瓶颈项。该安排迫使 VAE 关注输入信号最具信息量的片段，促进学习一种新颖编码 ，其相较传统潜空间具有增强的可解释性与可聚类性。通过以该 FB 刻意约束 VAE，我们有意限制其获取广泛输入域信息的能力，推动发展一种可辨识、可分离且降维的编码。 的演化学习轨迹进一步呈现为动态层次树，为簇相似性提供深刻见解。此外，为处理复杂数据构型，我们提出了与 FB 架构对称对齐的定制解码器结构。实证评估凸显了 ISVAE 的优越效能，其在真实世界数据集的聚类指标上优于最先进结果。
引用
@article{arxiv.2310.11940,
title = {Interpretable Spectral Variational AutoEncoder (ISVAE) for time series clustering},
author = {Óscar Jiménez Rama and Fernando Moreno-Pino and David Ramírez and Pablo M. Olmos},
journal= {arXiv preprint arXiv:2310.11940},
year = {2023}
}