الاستدلال استنادًا إلى التعلم غير المشرف للتمثيلات المنفصلة

دمج شبكات المولدات المتنافسة (GANs) مع مُشفرات تتعلم كيفية تشفير نقاط البيانات أظهر نتائج واعدة في تعلم تمثيلات البيانات بطريقة غير مراقبة. نقترح إطارًا يجمع بين مشفر ومولد لتعلم التمثيلات المنفصلّة التي تحمل معلومات ذات معنى حول توزيع البيانات دون الحاجة إلى أي علامات. بينما تركز النهج الحالية بشكل كبير على جوانب الإنتاج في شبكات المولدات المتنافسة، يمكن استخدام إطاراتنا لأداء الاستدلال على نقاط البيانات الحقيقية والمولدة. أظهرت التجارب على عدة مجموعات بيانات أن المشفر يتعلم تمثيلات قابلة للتفسير والانفصال التي تحمل خصائص وصفية ويمكن استخدامها لعين صور تعرض خصائص محددة.