weixin_40459958的博客

2016 （虽然算是比较老的论文了，但是本来一方面我就只是拿来用到一个小环节中，这这里纠结太久了，另一方面也是在paperwithcode上看了一圈的代码，到这终于能运行出来东西了????） 摘要 本文提出了“对抗性自编码器”(AAE)，这是一种概率自编码器，使用生成对抗性网络(GAN)，通过将自动编码器的隐藏编码向量的聚合后验与任意先验分布相匹配来进行变分推理（变分？那和变分自编码器VAE有啥关系吗？整的我还是分不清AE和VAE的区别）。与先验聚合后验匹配确保从先验空间的任何部分生成会产生有意义的样本。因

摘要 DNN可以提取到更适合聚类的特征表示，但是聚类又是无监督的，没有训练标签，怎么训练DNN特征提取器就很有问题 现有的一些方法将DNN的训练与聚类目标结合起来，使聚类过程中的信息可以用来更新DNN，以产生更好的聚类特征。这种方法的一个问题是，由聚类算法产生的这些“伪标签”是有噪声的，它们所包含的任何错误都会损害DNN的训练。 本文提出了选择性的伪标签聚类，它只使用最自信的伪标签来训练DNN。 1.引言 聚类不需要先验知识，不需要监督学习的显式标签，也不需要在自监督学习中利用的期望对称性和不变性的知识。