基于深度生成模型的人体活动半无监督学习
机器学习
2018-12-12 v2 机器学习
摘要
我们引入“半无监督学习”，这是一种与迁移学习和零样本学习相关的问题设定：在训练数据中，部分类别标签稀疏，其余类别完全无标签。能够从此类训练数据学习的模型具有巨大实用潜力，因为许多真实世界数据集正是如此。本文演示了一种用于该设定下分类的新深度生成模型。我们的模型为高斯混合深度生成模型，在 MNIST 上半无监督分类性能优于 Kingma 与 Welling (2014) 的模型 M2。我们将该模型应用于人体加速度计数据，对时间序列数据窗口进行活动分类与结构发现。
引用
@article{arxiv.1810.12176,
title = {Semi-unsupervised Learning of Human Activity using Deep Generative Models},
author = {Matthew Willetts and Aiden Doherty and Stephen Roberts and Chris Holmes},
journal= {arXiv preprint arXiv:1810.12176},
year = {2018}
}
备注
4 pages, 2 figures, conference workshop pre-print Machine Learning for Health (ML4H) Workshop at NeurIPS 2018 arXiv:1811.07216