一种用于深度聚类的不同混合自动编码器

作者: | Juan S. Lara | Fabio A. González |

摘要:本文介绍了相异混合自动编码器(DMAE),它是一种新的神经网络模型,它使用相异函数来推广一类密度估计和聚类方法。它的表述方式是通过基于梯度的优化在内部估计概率分布的参数。此外,由于其直接结合到深度学习体系结构中,所提出的模型可以利用深度表示学习,因为它由计算概率表示的编码器-解码器网络组成。在图像和文本聚类基准数据集上进行的实验评估表明,该方法在无监督分类精度和归一化互信息层面具有竞争力。复制这些实验的源代码可在https://github.com/larajuse/DMAE上公开获得

论文地址

https://arxiv.org/abs/2006.08177v3

下载地址

https://arxiv.org/pdf/2006.08177v3.pdf

全部源码

https://github.com/larajuse/DMAE 类型: tensorflow

深度聚类密度估计图像聚类表示学习文本聚类无监督表示学习

相关推荐

暂无评论

微信扫一扫,分享到朋友圈

一种用于深度聚类的不同混合自动编码器