堆叠 What-Where 自编码器
机器学习
2016-02-16 v8 机器学习
神经与进化计算
摘要
我们提出了一种新颖的架构——“堆叠 what-where 自编码器”（SWWAE），它集成了判别与生成路径，并提供了一种统一的监督、半监督和无监督学习方法，在训练过程中不依赖采样。SWWAE 的一个实例使用卷积网络（Convnet）(LeCun et al. (1998)) 对输入进行编码，并采用反卷积网络（Deconvnet）(Zeiler et al. (2010)) 来产生重构。目标函数包含重构项，这些重构项使得 Deconvnet 中的隐藏状态与 Convnet 中的隐藏状态相似。每个池化层产生两组变量：喂给下一层的“what”及其互补变量“where”，后者被馈送到生成式解码器中的对应层。
引用
@article{arxiv.1506.02351,
title = {Stacked What-Where Auto-encoders},
author = {Junbo Zhao and Michael Mathieu and Ross Goroshin and Yann LeCun},
journal= {arXiv preprint arXiv:1506.02351},
year = {2016}
}
备注
Workshop track - ICLR 2016