ICMLJan, 2019
可微特征选择和重构的混凝土自编码器
Concrete Autoencoders for Differentiable Feature Selection and Reconstruction
Abubakar Abid, Muhammad Fatih Balin, James Zou
TL;DR本篇论文提出了一种基于可微分的具体选择器层的端到端不监督学习方法，用于全局特征选择并同时重构输入数据，通过在训练过程中逐渐降低具体选择器层的温度来学习特征，并在测试时用所选特征与解码器网络一起重构其余输入特征。该方法在各种数据集上得到了验证，特别是在大规模基因表达数据集上，选择了几个基因子集，用于估算剩余基因的表达水平。与现有的专家筛选方式相比，降低了测量成本，是一种极为有效的实现方式，可成为标准自动编码器的补充。