动态演化类之间的关系发现与表示的Meta-自编码器
机器学习
2025-07-15 v1 种群与进化
摘要
自编码器（AE）是一种神经网络，通过自监督训练学习给定类中所有实例的简洁的参数化表示及相应的编码与解码过程。本文引入meta-自编码器（MAE）的概念：一种用于自编码器集合的AE。给定一个彼此 differ于某些参数值的类族，以及每个类的训练AE，MAE for该族的是一个神经网络，已学习该类特定AE的紧凑表示及其编码器和解码器。本概念的一个应用是研究和建模自然演化——捕捉多个动态从共同祖先演化而来的物种间的定义性和区别性特征。在本中期报告中，我们提供了MAE的构造性定义、初始示例以及机器学习和生物学中的激发性研究方向。
引用
@article{arxiv.2507.09362,
title = {Meta-autoencoders: An approach to discovery and representation of relationships between dynamically evolving classes},
author = {Assaf Marron and Smadar Szekely and Irun Cohen and David Harel},
journal= {arXiv preprint arXiv:2507.09362},
year = {2025}
}