군집에서 관측 자료로
가우스 혼합 모형이 군집을 고르고 해당 군집에서 잠재 임베딩을 생성한다. 심층 신경망 디코더는 이 임베딩을 관측 가능한 자료로 변환해 군집화와 생성을 한 틀에서 다룬다.
변분 추론의 학습
별도의 인코더 신경망은 관측 자료를 잠재 표현으로 옮긴다. 재매개변수화 기법과 확률적 경사 변분 베이즈 추정으로 증거 하한을 최적화한다.
군집과 생성의 평가
원 연구는 여러 자료 유형의 네 벤치마크에서 군집화 방법과 비교했다. 학습 중 지도 정보를 쓰지 않고 지정한 군집의 표본을 생성하는 능력도 조사했으며 더 일반적인 혼합 모형으로 확장하는 틀을 제시했다.
관련 문서
변분 오토인코더 / 가우스 혼합 모형 / 군집화 / 증거 하한 / 재매개변수화 기법 / DEC 심층 임베딩 군집화