Fugu-MT 論文翻訳(概要): Interventional Assays for the Latent Space of Autoencoders

論文の概要: Interventional Assays for the Latent Space of Autoencoders

arxiv url: http://arxiv.org/abs/2106.16091v1
Date: Wed, 30 Jun 2021 14:31:08 GMT
ステータス: 処理完了
システム内更新日: 2021-07-01 13:53:19.633993
Title: Interventional Assays for the Latent Space of Autoencoders
Title（参考訳）: オートエンコーダの潜在空間に対する介入アッセイ
Authors: Felix Leeb, Stefan Bauer, Bernhard Sch\"olkopf
Abstract要約: 本稿では,学習したデータ多様体を探索する潜在応答というフレームワークを提案する。我々は、トレーニングされたVAEの潜伏空間が選択された前とどの程度一致しているかを確認するために、表現の「穴」を調査する。各種ベンチマークデータセットのVAEを用いて,本分析によって生成したサンプルの品質が向上するかを評価する。
参考スコア（独自算出の注目度）: 15.467917633235162
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The encoders and decoders of autoencoders effectively project the input onto learned manifolds in the latent space and data space respectively. We propose a framework, called latent responses, for probing the learned data manifold using interventions in the latent space. Using this framework, we investigate "holes" in the representation to quantitatively ascertain to what extent the latent space of a trained VAE is consistent with the chosen prior. Furthermore, we use the identified structure to improve interpolation between latent vectors. We evaluate how our analyses improve the quality of the generated samples using the VAE on a variety of benchmark datasets.
Abstract（参考訳）: オートエンコーダのエンコーダとデコーダは、それぞれ潜在空間とデータ空間の学習多様体に入力を効果的に投影する。我々は,潜時空間における介入を用いて学習データ多様体を探索する,潜時応答と呼ばれる枠組みを提案する。この枠組みを用いて、訓練されたvaeの潜在空間が選択された事前値とどの程度一致しているかを定量的に確認するための表現における「ホール」について検討する。さらに, 同定された構造を用いて, 潜在ベクトル間の補間を改善する。各種ベンチマークデータセットのVAEを用いて,本分析によって生成したサンプルの品質が向上するかを評価する。

関連論文リスト

Downstream-Pretext Domain Knowledge Traceback for Active Learning [138.02530777915362]
本稿では、下流知識と事前学習指導のデータ相互作用をトレースするダウンストリーム・プレテキスト・ドメイン知識トレース(DOKT)手法を提案する。 DOKTは、トレースバックの多様性指標とドメインベースの不確実性推定器から構成される。 10のデータセットで行った実験は、我々のモデルが他の最先端の手法よりも優れていることを示している。
論文参考訳（メタデータ） (2024-07-20T01:34:13Z)
Vector Quantized Wasserstein Auto-Encoder [57.29764749855623]
生成的視点から深層離散表現を学習する。我々は,コードワード列上の離散分布を付与し,コードワード列上の分布をデータ分布に伝達する決定論的デコーダを学習する。 WS 距離のクラスタリングの観点と結びつけて,より優れた,より制御可能なクラスタリングソリューションを実現するための,さらなる理論を開発しています。
論文参考訳（メタデータ） (2023-02-12T13:51:36Z)
Hub-VAE: Unsupervised Hub-based Regularization of Variational Autoencoders [11.252245456934348]
我々は、ハブベースの先行とハブベースのコントラスト損失を混合した非教師付きデータ駆動型潜在空間の正規化を提案する。本アルゴリズムは,組込み空間におけるクラスタ分離性,高精度なデータ再構成と生成を実現する。
論文参考訳（メタデータ） (2022-11-18T19:12:15Z)
FONDUE: an algorithm to find the optimal dimensionality of the latent representations of variational autoencoders [2.969705152497174]
本稿では,データの本質的次元推定(IDE)と,VAEが学習した潜在表現について検討する。平均値とサンプル値との平均値との差は,数段階の訓練で潜在空間に受動的変数が存在することが判明した。 FONDUE: 平均およびサンプル表現が分岐し始めた後, 遅延次元の個数を素早く見つけるアルゴリズムを提案する。
論文参考訳（メタデータ） (2022-09-26T15:59:54Z)
Dataset Condensation with Latent Space Knowledge Factorization and Sharing [73.31614936678571]
与えられたデータセットの規則性を利用してデータセットの凝縮問題を解決する新しい手法を提案する。データセットを元の入力空間に直接凝縮するのではなく、学習可能な一連のコードでデータセットの生成プロセスを仮定する。提案手法は,様々なベンチマークデータセットに対して,有意なマージンで新しい最先端記録を達成できることを実験的に示す。
論文参考訳（メタデータ） (2022-08-21T18:14:08Z)
A Meta-embedding-based Ensemble Approach for ICD Coding Prediction [64.42386426730695]
国際疾病分類 (icd) は、世界中で臨床コーディングに使われているデファクトコードである。これらのコードにより、医療提供者は償還を請求し、診断情報の効率的な保管と検索を容易にします。提案手法は,日常的な医学データと科学論文の外部知識を用いて,効果的に単語ベクトルを訓練することにより,神経モデルの性能を高める。
論文参考訳（メタデータ） (2021-02-26T17:49:58Z)
Representation Learning for Sequence Data with Deep Autoencoding Predictive Components [96.42805872177067]
本稿では,シーケンスデータの有用な表現が潜在空間における単純な構造を示すべきという直感に基づく,シーケンスデータの自己教師型表現学習法を提案する。我々は,過去と将来のウィンドウ間の相互情報である潜在特徴系列の予測情報を最大化することにより,この潜時構造を奨励する。提案手法は,ノイズの多い動的システムの潜時空間を復元し,タスク予測のための予測特徴を抽出し,エンコーダを大量の未ラベルデータで事前訓練する場合に音声認識を改善する。
論文参考訳（メタデータ） (2020-10-07T03:34:01Z)
Encoded Prior Sliced Wasserstein AutoEncoder for learning latent manifold representations [0.7614628596146599]
本稿では,Encoded Prior Sliced Wasserstein AutoEncoderを紹介する。追加のプリエンコーダネットワークは、データ多様体の埋め込みを学習する。従来のオートエンコーダとは違って,前者はデータの基盤となる幾何を符号化する。
論文参考訳（メタデータ） (2020-10-02T14:58:54Z)
Autoencoder Image Interpolation by Shaping the Latent Space [12.482988592988868]
オートエンコーダは、異なるタイプのデータセットを特徴付ける基礎となる要因を計算するための効果的なアプローチである。トレーニング画像と整合した多様体に従うために潜在表現を形作る正規化手法を提案する。
論文参考訳（メタデータ） (2020-08-04T12:32:54Z)
Attribute-based Regularization of Latent Spaces for Variational Auto-Encoders [79.68916470119743]
本稿では,変分オートエンコーダ(VAE)の潜時空間を,連続値の異なる属性を明示的に符号化する新しい手法を提案する。これは属性の正規化損失を使用して、属性値と属性が符号化される次元の潜在符号との単調な関係を強制する。
論文参考訳（メタデータ） (2020-04-11T20:53:13Z)
Deterministic Decoding for Discrete Data in Variational Autoencoders [5.254093731341154]
サンプリングの代わりに最上位のトークンを選択するシーケンシャルデータに対して,決定論的デコーダ(DD-VAE)を用いたVAEモデルについて検討する。分子生成や最適化問題を含む複数のデータセット上でのDD-VAEの性能を示す。
論文参考訳（メタデータ） (2020-03-04T16:36:52Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。