관측에 추가 정보를 연결하기
비선형 ICA는 자료를 생성한 잠재 변수를 복원할 수 있는지에 주목한다. 이 연구는 시간 구조를 활용하는 기존 방향을 포괄하도록 관측 자료에 보조 변수를 결합하는 일반 틀을 제안한다.
무작위 결합을 만드는 판별
자료와 보조 변수의 실제 쌍을 보조 변수를 무작위화한 쌍과 구별하도록 학습한다. 로지스틱 회귀로 구현할 수 있으며 신경망을 사용할 수도 있다. 관측 자체를 임의의 정답 의미 범주로 바꾸는 과정은 아니다.
식별과 추정의 조건
연구는 모형의 식별 가능성과 추정 방법의 일관성을 증명한다. 이런 성질은 연구의 모형 조건 아래에서 이해해야 한다. 임의의 보조 정보를 추가하면 언제나 원하는 의미 요인을 정확히 복원한다는 뜻은 아니다.
결합 정보의 독립 예
설명용으로 센서값과 측정 시간의 실제 쌍을 시간만 섞은 쌍과 비교하면 시간에 따른 변화 관계가 달라진다. 두 자료의 개별 분포만 보는 것과 결합을 보는 것은 다르다. 실제 연구 실험을 옮기지 않은 판별 과제의 예다.
관련 문서
독립 성분 분석 / 대조 학습의 생성 과정 역추정 / 비지도 분리 표현의 식별 한계 / 약한 감독의 요인 분리 / 대조 학습 / 자기 지도 학습