深層混合モデルによるクラスタリング

抄録

クラスタリングは機械学習および人工知能の分野において重要なタスクである．確率論的生成モデルは効率的な推論のためにはデータに対して強い仮定が必要であり，混合ガウスモデル（GMM）を用いたクラスタリングには特徴エンジニアリングが必要であった．ここ数年，Variational Autoencoder（VAE）とGMMを組み合わせたモデルで複雑なデータをクラスタリングする研究が注目されている．本稿では深層混合モデル（DMM）を提案する． DMMでは，まず潜在的なベクトルがGMMにより生成され、次に潜在ベクトルが観測データに変換される．DMMは結合尤度の下限を最大化することで訓練される．実験では，提案モデルは，GMMによってクラスタリングすることが困難なデータのベースラインの手法と比較して最も良い性能を示した．