不确定性下的线性化学习
计算机视觉与模式识别
2015-09-11 v2
摘要
训练深度特征层次以解决监督学习任务已在计算机视觉许多问题上达到最先进性能。然而，在无监督设定中以原则性方式训练此类层次仍难以实现。本工作中，我们提出一种新的架构和损失，用于训练深度特征层次，使在无标签自然视频序列中观察到的变换线性化。这是通过训练生成模型来预测视频帧来实现的。我们还通过引入作为网络架构中输入的非确定性函数的潜变量，解决预测中固有不确定性的问题。
引用
@article{arxiv.1506.03011,
title = {Learning to Linearize Under Uncertainty},
author = {Ross Goroshin and Michael Mathieu and Yann LeCun},
journal= {arXiv preprint arXiv:1506.03011},
year = {2015}
}
备注
To appear at NIPS 2015