说明:在许多机器学习应用程序中出现了嵌入问题,并假设可能存在少量差异,这些差异可以保证原始高维数据的“语义”。 大多数现有的嵌入算法都执行以保持局部性。 在这项研究中,受制于表示学习和深度学习的巨大成功,我们提出了一种使用自动编码器正则化(简称EAER)进行嵌入的框架,该框架自然地融合了嵌入和自动编码技术。 在这种框架中,原始数据被嵌入到较低的维度中,由自动编码器的隐藏层的输出表示,因此,所得数据不仅可以保持局部性,而且还可以轻松还原为原始形式。 嵌入损耗和自动编码器重构误差的联合最小化保证了这一点。
<weixin_38506798> 上传 | 大小:438kb