变分公平自编码器
机器学习
2017-08-11 v6 机器学习
摘要
我们研究学习对某些数据中讨厌或敏感变化因素不变的表示，同时尽可能保留其余信息的问题。我们的模型基于变分自编码架构，其先验鼓励敏感因素与潜在变化因素之间的独立性。任何后续处理，如分类，随后可在此净化后的潜在表示上执行。为移除任何剩余依赖，我们引入基于“最大均值差异”(MMD)度量的额外惩罚项。我们讨论这些架构如何能在数据上高效训练，并在实验中展示该方法比先前工作在去除不需要的变化源同时保持信息丰富的潜在表示方面更有效。
引用
@article{arxiv.1511.00830,
title = {The Variational Fair Autoencoder},
author = {Christos Louizos and Kevin Swersky and Yujia Li and Max Welling and Richard Zemel},
journal= {arXiv preprint arXiv:1511.00830},
year = {2017}
}
备注
Fixed typo in eq. 3 and 4