机构名称：
¥ 1.0
摘要 - 我们提出了一种新的变异自动编码器（VAE），类融合的VAE（CI-VAE）的变体，该变体可以在同一类的任意观察对之间进行相互关系。ci-vae在潜在空间上将一般VAE架构与线性歧视层结合在一起，以实施潜在空间的构造，在该空间中，来自不同类别的观测值是线性分离的。这允许在同一类的两个任意观察之间进行强大的潜在线性遍历和数据生成，该观察在科学和工程中具有潜在的应用。一种特定的应用是增强对涉及健康细胞疾病或癌症的生物学过程的理解。我们证明了CI-VAE在手写数字的MNIST数据集上的有效性，这表明它显着提高了类别的类别线性遍历和与VAE相比的vae，同时保持了可比的重建错误。我们还将CI-VAE应用于结肠癌单细胞基因组学数据的研究，表明使用CI-VAE在正常细胞和肿瘤细胞之间插值可能会增强我们对癌症发展机制的理解。
ci-vae：一种用于类的生成深度学习模型 -
主要关键词
相关文件推荐
