#940
summarized by : Motokawa Tetsuya
Balanced Self-Paced Learning for Generative Adversarial Clustering Network

どんな論文か?

教師なしで深層クラスタリングモデルを学習する際の問題点を解決するためのClusterGANを提案する。 ClusterGANは、3つのネットワーク、識別器、生成器およびクラスタ器からなる。3つのネットワーク間での敵対的ゲームを利用し、生成器を介して識別可能な潜在変数を与えられた元画像を合成し、クラスタ器を介して識別可能な埋め込み空間への元画像の逆写像を学習する。
placeholder

新規性

クラスタリングの利用によってバランスのとれた新たな自己ペース学習アルゴリズムを提案した。また、損失関数として条件付きエントロピーを用いることで、クラスタ間/内での類似性を増減させた。

結果

MNISTやCIFAR10など代表的なデータセットを用いて、いくつかの実験で従来手法との精度の差を比較し、向上していることを確かめた。

その他(なぜ通ったか?等)