基于桥神经网络的任务驱动公共表示学习
机器学习
2019-06-27 v1 机器学习
摘要
本文引入一种新颖的基于深度学习的方法，称为桥神经网络（bridge neural network, BNN），以逐任务挖掘两个给定数据源之间的潜在关系。所提方法采用两个卷积神经网络，将两个数据源投影到特征空间中，以学习特定任务所需的期望公共表示。引入了带人工负样本的训练目标，具备小批量训练能力，且经理论分析验证其在渐近上等价于最大化两个数据源的总相关。在包括配对匹配、典型相关分析、迁移学习和重建等任务上的实验展示了BNN的SOTA性能，这可能为公共表示学习方面提供新的见解。
引用
@article{arxiv.1906.10897,
title = {Task-Driven Common Representation Learning via Bridge Neural Network},
author = {Yao Xu and Xueshuang Xiang and Meiyu Huang},
journal= {arXiv preprint arXiv:1906.10897},
year = {2019}
}
备注
To appear in AAAI-19 proceedings