【ECML-PKDD 2019】可扩展的深度无监督集群与具体的GMVAEs（Scalable Deep Unsupervised Clustering with Concrete GMVAEs）

题目： Scalable Deep Unsupervised Clustering with Concrete GMVAEs

摘要：

离散随机变量是概率聚类模型的自然组成部分。已经发现了许多具有离散潜变量的VAE变异体。训练这类方法需要将离散的潜在变量边缘化，使得训练时间复杂度在簇数上呈线性。通过在这些方法中对离散变量应用连续松弛，我们可以将训练时间复杂度降低到所使用的集群数量不变。我们证明了在实践中，对于其中一种方法，即高斯混合VAE，使用连续松弛不会对聚类的质量产生负面影响，但会大大减少训练时间，将20个集群的CIFAR-100上的培训时间从47小时减少到不足6小时。

邀请嘉宾：

Hector Urdiales是全球领先的入站营销和销售平台Hubspot的机器学习工程负责人。

Mark Collier就职于Hubspot，研究兴趣是机器学习，深度学习，贝叶斯深度学习，递归神经网络。