要約
本稿では、深層ネットワークの一般化性能を向上させつつ、学習された表現の解釈可能性を維持するという目標を達成することを目指す。この目的の下、簡潔な表現を促進するクラスタリングに基づく正則化手法を提案する。本手法はk-meansに類似した目的関数を採用しており、最適化が容易で、サンプルクラスタリングや空間クラスタリング、さらには共クラスタリングを含む多様なクラスタリング形式に対応可能な柔軟性を有している。提案手法の有効性は、教師なし学習、分類、微細なカテゴリ分類、ゼロショット学習といったタスクにおいて実証された。