Medida de similitud entre GMMs basada en representaciones de componentes gaussianos generados por un autoencoder
Autores: Kaluev, Vladimir; Popovi, Branislav; Janev, Marko; Brklja, Branko; Ralevi, Neboja
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Medida de similitud entre GMMs basada en representaciones de componentes gaussianos generados por un autoencoder
Categoría
Matemáticas
Subcategoría
Análisis matemático
Palabras clave
Modelos de mezcla gaussiana
Arquitecturas de autoencoder profundo
Representaciones de baja dimensionalidad
Norma euclidiana
Red neuronal convolucional
Precisión de reconocimiento
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 21
Citaciones: Sin citaciones
Se propone en este documento una medida de similitud novedosa entre modelos de mezcla gaussiana (GMMs), basada en similitudes entre las representaciones de baja dimensionalidad de los componentes individuales de GMM y obtenida utilizando arquitecturas de autoencoder profundo. Se exploran y utilizan dos enfoques diferentes construidos sobre estas arquitecturas para obtener representaciones de baja dimensionalidad de los componentes gaussianos en GMMs.
Descripción
Se propone en este documento una medida de similitud novedosa entre modelos de mezcla gaussiana (GMMs), basada en similitudes entre las representaciones de baja dimensionalidad de los componentes individuales de GMM y obtenida utilizando arquitecturas de autoencoder profundo. Se exploran y utilizan dos enfoques diferentes construidos sobre estas arquitecturas para obtener representaciones de baja dimensionalidad de los componentes gaussianos en GMMs.