ترجمه فارسی مقاله تعریف و اندازه گیری گسستگی برای عوامل غیرمستقل تغییرات

چکیده

Representation learning is an approach that allows to discover and extract the factors of variation from the data. Intuitively, a representation is said to be disentangled if it separates the different factors of variation in a way that is understandable to humans. Definitions of disentanglement and metrics to measure it usually assume that the factors of variation are independent of each other. However, this is generally false in the real world, which limits the use of these definitions and metrics to very specific and unrealistic scenarios. In this paper we give a definition of disentanglement based on information theory that is also valid when the factors of variation are not independent. Furthermore, we relate this definition to the Information Bottleneck Method. Finally, we propose a method to measure the degree of disentanglement from the given definition that works when the factors of variation are not independent. We show through different experiments that the method proposed in this paper correctly measures disentanglement with non-independent factors of variation, while other methods fail in this scenario.

چکیده به فارسی (ترجمه ماشینی)

یادگیری بازنمایی رویکردی است که امکان کشف و استخراج عوامل تغییر از داده ها را فراهم می کند.به طور شهودی ، گفته می شود که اگر عوامل مختلف تنوع را به روشی که برای انسان قابل درک باشد ، از آن جدا می شود.تعاریف مربوط به انحراف و معیارها برای اندازه گیری آن معمولاً فرض می کند که عوامل تنوع مستقل از یکدیگر هستند.با این حال ، این به طور کلی در دنیای واقعی نادرست است ، که استفاده از این تعاریف و معیارها را به سناریوهای بسیار خاص و غیرواقعی محدود می کند.در این مقاله تعریفی از تجزیه و تحلیل را بر اساس تئوری اطلاعات ارائه می دهیم که وقتی عوامل تنوع مستقل نیستند نیز معتبر است.علاوه بر این ، ما این تعریف را با روش تنگنا اطلاعات مرتبط می کنیم.سرانجام ، ما روشی را برای اندازه گیری میزان انحطاط از تعریف داده شده ارائه می دهیم که وقتی عوامل تنوع مستقل نیستند ، کار می کند.ما از طریق آزمایش های مختلف نشان می دهیم که روش ارائه شده در این مقاله به درستی از بین بردن با عوامل غیر مستقل از تغییر اندازه گیری می شود ، در حالی که روش های دیگر در این سناریو شکست می خورند.