auto-encodernon-lineartransformationFor unsupervised problems like clustering, linear or non-linear data transformations are widely used techniques. Generally, they are beneficial to data representation. However, if data have a complicated structure, these techniques would be unsatisfying for clustering. In...
在Auto-Encoder的训练中,加入一个L2 normalization constraint,利用提取到特征用k-means进行聚类 或者 异常检测工作,都取得了更好的效果。 1. Introduction 深度学习兴起后人们把深度无监督学习的表征方法用于聚类分析当中,大多数方法都是利用自编码提取到的特征来进行聚类并在此基础上定义一个聚类损失来调整参数。先前的...
Diallo B, Hu J, Li T, et al. Deep embedding clustering based on contractive autoencoder[J]. Neurocomputing, 2021, 433: 96-107. 摘要导读 作者指出现有的聚类算法在表示学习上还很欠缺。本文通过同时从原始数据中保留重要信息,和将原始样本和其对应的增强表示约束到一起来实现对表示的学习。此外,为保证...
Deep Adversarial Clustering (DAC) DAC是一个专门用来聚类的模型,其使用adversarial autoencoder(AAE)来聚类 AAE使用的是对抗训练的方式将潜在表示的聚集后验与先验分布(受VaDE模型启发,设置为混合高斯分布)进行匹配,其优化目标有三个部分:1. 传统的AE重构误差 2. 高斯混合模型似然 3. 对抗损失,其中重构误差可以看...
In this paper, we propose Dynamic Autoencoder (DynAE), a novel model for deep clustering that addresses a clustering–reconstruction trade-off, by gradually and smoothly eliminating the reconstruction objective function in favor of a construction one. Experimental evaluations on benchmark datasets show...
此外,DeepReflect提出的自动编码器(autoencoder)比Shap(一种人工智能解释工具)表现得更好。这一点很重要,因为Shap是一种最先进(state-of-the-art)的方法,需要一个标记的数据集,而我们的自动编码器不需要。 学术界对比:Shap 二.引言 由于每篇论文的引言都非常重要,因此该部分作者会全文翻译,后续章节则介绍重点内容...
这里不负责任地理解下,举个样例在Autoencoder中,无监督学习学的是feature。有监督学习用在fine-tuning. 比方每个neural network 学出的hidden layer就是feature,作为下一次神经网络无监督学习的input……这样一次次就学出了一个deep的网络,每一层都是上一次学习的hidden layer。
简介: 近日,阿里云边缘计算团队博士后付哲的论文《Astraea: Deploy AI Services at the Edge in Elegant Ways》入选2020年IEEE边缘计算国际会议(IEEE International Conference on Edge Computing),并在大会上进行了宣讲。他和他的团队如何看待以上问题,本文将为您解答。 前言 为什么说边缘计... ...
1.1)稀疏自编码器(Sparse Autoencoder):例如通过保留前 K 个最活跃的单元,而其中的大多数元素为零,从而使表示更具区分性[95] 1.2)去噪自编码器(Denoising Autoencoder):通过学习从预定义的损坏数据实例重构原始数据来应对数据中的噪声和变化[153]。 1.3)收缩自编码器(Contractive Autoencoder): 它通过在编码器激活...
Du G, Zhou L, Yang Y, et al. Deep multiple auto-encoder-based multi-view clustering[J]. Data Science and Engineering, 2021, 6(3): 323-338. 摘要导读 本文作者基于多个自编码器提出了深度多视图聚类算法MVC-MAE。MVC-MAE采用自动编码器,以分层的方式捕获每个视图的非线性结构信息,并同时结合了每个...