主正交潜在成分分析网络（POLCA Net）
机器学习
2024-10-11 v1 人工智能
摘要
表示学习是机器学习领域的一个关键领域，致力于开发方法，从原始数据中自动发现为给定任务所需的表示或特征。不同于传统特征工程需要手动设计特征，表征学习旨在学习更有用且针对任务（如分类、预测和聚类）更具相关性的特征。我们引入主正交潜在成分分析网络（POLCA Net），一种旨在模拟并扩展 PCA 和 LDA 能力至非线性领域的方法。POLCA Net 将自编码器框架与一组专用损失函数相结合，以实现有效的降维、正交性、基于方差的特征排序、高保真重构，并且当用于带分类标签时，还能获得适用于线性分类器和类分布低维可视化的潜在表示。
引用
@article{arxiv.2410.07289,
title = {Principal Orthogonal Latent Components Analysis (POLCA Net)},
author = {Jose Antonio Martin H. and Freddy Perozo and Manuel Lopez},
journal= {arXiv preprint arXiv:2410.07289},
year = {2024}
}