Autoencoder using kernel methoc
Autoencoder using kernel methoc
复制标题
使用内核方法的自动编码器
DOI：
10.1109/smc.2017.8122623
复制
发表时间：
2017
期刊：
影响因子：
--
通讯作者：
Yan Pei
中科院分区：
文献类型：
--
作者：
Yan Pei
我们提出了一种方法，使用基于内核方法的算法来实现自动编码器。基于深度学习的算法有两个特点，一个是高层次的数据抽象，另一个是多层次的数据转换和表示。核方法是可用于线性和非线性变换的方法之一。它应该是深度学习中这些转换的实现之一。本文分别采用基于核的主元分析和基于核的线性回归方法实现了自动编码器的编码部分和解码部分。由于自编码器是深度学习中的基本结构和算法，因此所提出的方法可以使用重复结构来实现深度学习模型和算法。我们使用图像数据来评估我们提出的方法。结果表明，基于核的自编码器能够很好地表示和恢复图像数据，但其性能取决于核函数及其参数的选择。我们还讨论和分析了一些开放的主题，并致力于研究基于核方法的深度学习。
We propose a method that uses kernel method-based algorithms to implement an autoencoder. Deep learning-based algorithms have two characteristics, one is the high level data abstraction, the other is the multiple level data transformations and representations. The kernel method is one of the approaches that can be used in linear and non-linear transformations. It should be one of the implementations of these transformations in the deep learning. In this paper, the encoder part and decoder part of the autoencoder are implemented by kernel-based principal component analysis and kernel-based linear regression, respectively. As autoencoder is a basic structure and algorithm in deep learning, the proposed method can implement deep learning model and algorithm using duplicate structures. We use image data to evaluate our proposed method. The results show that kernel-based autoencoder can represent and restore image data, but the performance depends on the kernel function and its parameters' selection. We also discuss and analyse some open topics and works towards a study of kernel method-based deep learning.