基于类比关系的无监督解耦表示学习
机器学习
2018-04-26 v1 人工智能
机器学习
摘要
学习数据可解释生成因子的解耦表示是让人工智能像人一样思考的基础之一。在本文中，我们提出用于生成模型中无监督解耦表示学习的类比训练策略。类比是典型的认知过程之一，我们所提策略基于如下观察：在某一特定生成因子上彼此不同的样本对展现出相同的类比关系。因此，生成器被训练为生成样本对，从中一个设计好的分类器可识别潜在的类比关系。此外，我们提出一种称为子空间分数的解耦度量，其受子空间学习方法启发且不需要监督信息。实验表明，我们所提训练策略使生成模型能找到解耦因子，且我们的方法相比最先进（SOTA）方法具有竞争性性能。
引用
@article{arxiv.1804.09502,
title = {Unsupervised Disentangled Representation Learning with Analogical Relations},
author = {Zejian Li and Yongchuan Tang and Yongxing He},
journal= {arXiv preprint arXiv:1804.09502},
year = {2018}
}