tvGP-VAE：张量变量高斯过程先验变分自编码器
机器学习
2020-06-09 v1 机器学习
摘要
变分自编码器（VAEs）是一类强大的深度生成潜变量模型，用于对高维数据进行无监督表示学习。为确保计算可处理性，VAEs 通常以单变量标准高斯先验和平均场高斯变分后验分布实现。这导致向量值潜变量对原始数据结构不可知，而原始数据结构可能在多个维度之间和之内高度相关。我们提出了 VAE 框架的张量变量扩展，即张量变量高斯过程先验变分自编码器（tvGP-VAE），其用张量变量高斯过程替代了标准单变量高斯先验和后验分布。tvGP-VAE 能够通过使用张量值潜变量各维度上的核函数显式建模相关结构。以时空相关图像时间序列为例，我们表明在潜空间中显式表示哪些相关结构对模型在重构方面的性能有显著影响。
引用
@article{arxiv.2006.04788,
title = {tvGP-VAE: Tensor-variate Gaussian Process Prior Variational Autoencoder},
author = {Alex Campbell and Pietro Liò},
journal= {arXiv preprint arXiv:2006.04788},
year = {2020}
}
备注
8 pages, 2 Figures