확률적 제약 클러스터링을 이용한 전이 학습 및 이미지 카테고리 발견

신경망 기반 클러스터링이 최근 인기를 얻고 있으며, 특히 제약 조건을 가진 클러스터링 공식화가 딥 러닝을 사용한 전이 학습과 이미지 카테고리 발견을 수행하기 위해 제안되었습니다. 이 접근법의 핵심 아이디어는 쌍별 제약 조건을 사용하여 깊은 클러스터링 네트워크를 훈련할 수 있는 클러스터링 목적 함수를 공식화하는 것입니다. 따라서 클러스터 할당과 그 기저 특징 표현이 단일 과정에서 공동으로 최적화됩니다. 본 연구에서는 이전 작업의 깊은 네트워크와 더 많은 카테고리를 최적화하는 데 있어 확장성 문제를 해결하기 위한 새로운 클러스터링 공식화를 제공합니다. 제안된 목적 함수는 쌍별 제약 조건에 대한 클러스터 할당의 음의 로그尤似度를 직접 최소화하며, 하이퍼파라미터가 없으며, 감독 학습과 비감독 전이 학습 모두에서 개선된 확장성과 성능을 보여줍니다.注：在“로그尤似度”中，“尤似度”应该是“尤似度 (likelihood)”的误译，正确的翻译应为“로그 우도 (log-likelihood)”。因此，修正后的句子如下：제안된 목적 함수는 쌍별 제약 조건에 대한 클러스터 할당의 음의 로그 우도 (negative log-likelihood)를 직접 최소화하며, 하이퍼파라미터가 없으며, 감독 학습과 비감독 전이 학습 모두에서 개선된 확장성과 성능을 보여줍니다.