关于深度无监督主动学习
机器学习
2020-07-29 v1 机器学习
摘要
无监督主动学习近年来受到越来越多的关注，其目标是在无监督设定下选择具有代表性的样本供人工标注。现有大多数工作基于浅层线性模型，假设每个样本都能很好地由某些已选样本的张成空间（即所有线性组合的集合）近似，并将这些被选样本作为代表性样本进行标注。然而在实践中，数据未必符合线性模型，如何对数据的非线性进行建模往往成为成功的关键。本文提出一种用于无监督主动学习的新型深度神经网络框架，称为 DUAL。DUAL 可通过编码器-解码器架构显式学习非线性嵌入，将每个输入映射到潜空间，并引入选择模块在所学潜空间中选择代表性样本。在选择模块中，DUAL 同时考虑保留整体输入模式以及数据的簇结构。我们在六个公开数据集上进行了大量实验，实验结果表明，与当前最优方法相比，我们的方法具有明显有效性。
引用
@article{arxiv.2007.13959,
title = {On Deep Unsupervised Active Learning},
author = {Changsheng Li and Handong Ma and Zhao Kang and Ye Yuan and Xiao-Yu Zhang and Guoren Wang},
journal= {arXiv preprint arXiv:2007.13959},
year = {2020}
}
备注
Accepted by IJCAI 2020