.png){kind=icon}
返回
A variational autoencoder for probabilistic non-negative matrix factorisation
.png){kind=icon}
OA
AI
DOI：10.1007/s10044-025-01563-1.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
我们介绍了并演示了用于概率非负矩阵分解（PAE-NMF）的变分自编码器（VAE）。我们设计了一个能够执行非负矩阵分解（NMF）的网络，并通过加入VAE的方面来使潜在空间的系数具有概率性。通过限制网络最后一层的权重为非负，并使用非负威布尔分布，我们产生了一种NMF的概率形式，该形式使我们能够生成新数据并找到一个有效连接潜在变量和输入变量的概率分布。我们的方法使用最小描述长度方法学来提供实现自动正则化的方法；由于它是使用神经网络设计的，因此可以利用深度学习框架进行自动微分、快速梯度下降算法和GPU支持。我们通过三种异构数据集——图像、金融时间序列和基因组——展示了PAE-NMF的有效性。
Keyword:
Non-negative matrix factorisation
Variational autoencoder
Dimensionality reduction
Neural network
Information theory
期刊
IF:
2
论文数:
1.9K
被引数:
1.9K
机构
引用论文
Online learning and generalization of parts-based image representations by non-negative sparse autoencoders.png)
NEURAL NETWORKSOAAI
NEURAL NETWORKSIF6.3
OAAI分享收藏分享收藏分享收藏 没有更多内容
没有更多内容