[Open DMQA Seminar] Introduction to Deep Clustering скачать в хорошем качестве

[Open DMQA Seminar] Introduction to Deep Clustering

비지도학습 방법 중 하나인 군집화 (clustering)는 특징이 유사한 데이터끼리 그룹화하여 나누는 것을 의미한다. 최근 군집화 성능을 향상시키기 위해서 데이터 내 특징을 잘 요약할 수 있는 딥러닝 방법론을 군집화에 적용한 deep clustering algorithms이 다양하게 제안되고 있다. Deep clustering algorithms은 군집화 성능을 향상하기 위해 feature space 안에서 유사한 특징을 지닌 데이터는 잘 모이고, 다른 특징을 지닌 데이터는 더 멀어지도록 학습을 진행하게 된다. 결국, 군집 내 데이터 간 거리는 가깝고, 군집 간 거리는 더 멀어지게 만들어 군집화 성능이 향상되게 된다. 본 세미나에서는 이러한 deep clustering algorithms의 기본적인 특징을 소개하고 이를 기반으로 제안된 최신 알고리즘에 대한 소개를 진행하고자 한다. 참고문헌: [1] Huang, J., Gong, S., & Zhu, X. (2020). Deep semantic clustering by partition confidence maximisation. In Proceedings of the IEEE/CVF conference on computer vision and pattern recognition (pp. 8849-8858). [2] Li, Y., Hu, P., Liu, Z., Peng, D., Zhou, J. T., & Peng, X. (2021, May). Contrastive clustering. In Proceedings of the AAAI Conference on Artificial Intelligence (Vol. 35, No. 10, pp. 8547-8555). [3] Huang, Z., Chen, J., Zhang, J., & Shan, H. (2022). Learning Representation for Clustering Via Prototype Scattering and Positive Sampling. IEEE Transactions on Pattern Analysis and Machine Intelligence.