Sep, 2023
在高斯 - 勒让德节点下,由于潜在空间正则化,确保自动编码器压缩时的拓扑数据结构保持
Ensuring Toplogical Data-Structure Preservation under Autoencoder Compression due to Latent Space Regularization in Gauss--Legendre nodes
Chethan Krishnamurthy Ramanaik, Juan-Esteban Suarez Cardona, Anna Willmann, Pia Hanfeld, Nico Hoffmann...
TL;DR我们提出了一种基于数据无关的潜在空间正则化约束,用于一对一重新嵌入初始数据流形到其潜在表示。通过神经网络的正则化,我们实现了拓扑保持,从 FashionMNIST 数据集到 MRI 脑部扫描等真实世界的编码问题,这种正则化技术可以提供可靠的复杂高维数据的低维表示。