ปริภูมิแฝง
ปริภูมิแฝง (latent space) คือการฝังชุดขององค์ประกอบภายในแมนิโฟลด์ โดยให้องค์ประกอบที่คล้ายกันมีระยะห่างเพียงเล็กน้อยภายในปริภูมินี้ ตำแหน่งในปริภูมิแฝงถูกกำหนดโดยชุดของตัวแปรแฝง ที่สร้างขึ้นจากความคล้ายคลึงกันระหว่างองค์ประกอบต่าง ๆ
ในกรณีส่วนใหญ่แล้ว มิติของปริภูมิแฝงจะถูกตั้งให้ต่ำกว่าขนาดของปริภูมิค่าแทนลักษณะของจุดข้อมูล ซึ่งหมายความว่าการสร้างปริภูมิแฝงนั้นเป็นการลดมิติ และยังถือได้ว่าเป็นรูปแบบหนึ่งของการบีบอัดข้อมูล อีกด้วย[1] โดยทั่วไปปริภูมิแฝงจะถูกกำหนดขึ้นโดยการเรียนรู้ของเครื่อง จากนั้นสามารถใช้เป็นตัวแทนสำหรับการคำนวณค่าในปริภูมิค่าแทนลักษณะในแบบจำลองการเรียนรู้ของเครื่อง
การตีความปริภูมิแฝงของแบบจำลองการเรียนรู้ของเครื่องเป็นสาขาที่กำลังมีการวิจัยอยู่อย่างมาก แต่ก็ทำได้ยาก เนื่องจากธรรมชาติของแบบจำลองการเรียนรู้ของเครื่องนั้นมีค่าแทนลักษณะเป็นกล่องดำ ปริภูมิแฝงจึงเป็นสิ่งที่อาจไม่สามารถมองเห็นภาพได้โดยตรง นอกจากนี้ ปริภูมิแฝงมักมีมิติสูง ซับซ้อน และไม่เชิงเส้น ซึ่งเพิ่มความยากในการตีความมากขึ้น[2] ได้มีการนำเทคนิคการแสดงภาพบางอย่างมาใช้เพื่อแสดงปริภูมิแฝง แต่การตีความปริภูมิแฝงมักไม่เกี่ยวข้องโดยตรงกับตัวแบบจำลอง เทคนิคดังกล่าวรวมถึง การฝังเพื่อนบ้านสุ่มแจกแจงแบบ t (t-SNE) โดยที่ปริภูมิแฝงถูกโยงให้วางตัวลงบนสองมิติเพื่อแสดงให้เห็นภาพ ระยะทางภายในปริภูมิแฝงนั้นยากต่อการแสดงเป็นหน่วยทางกายภาพ ดังนั้นการตีความระยะทางจึงขึ้นอยู่กับการใช้งาน[3]
มีขั้นตอนวิธีมากมายสำหรับการสร้างการฝังปริภูมิแฝงโดยพิจารณาจากชุดของรายการข้อมูลและฟังก์ชันภาวะน่าจะเป็น
อ้างอิง
[แก้]- ↑ Liu, Yang; Jun, Eunice; Li, Qisheng; Heer, Jeffrey (2019-06). "Latent Space Cartography: Visual Analysis of Vector Space Embeddings". Computer Graphics Forum (ภาษาอังกฤษ). 38 (3): 67–78. doi:10.1111/cgf.13672. ISSN 0167-7055. คลังข้อมูลเก่าเก็บจากแหล่งเดิมเมื่อ 2022-09-24. สืบค้นเมื่อ 2023-02-26.
{{cite journal}}: ตรวจสอบค่าวันที่ใน:|date=(help) - ↑ Li, Ziqiang; Tao, Rentuo; Wang, Jie; Li, Fu; Niu, Hongjing; Yue, Mingdao; Li, Bin (2021-02). "Interpreting the Latent Space of GANs via Measuring Decoupling". IEEE Transactions on Artificial Intelligence. 2 (1): 58–70. doi:10.1109/TAI.2021.3071642. ISSN 2691-4581. คลังข้อมูลเก่าเก็บจากแหล่งเดิมเมื่อ 2023-05-21. สืบค้นเมื่อ 2023-02-26.
{{cite journal}}: ตรวจสอบค่าวันที่ใน:|date=(help) - ↑ Arvanitidis, Georgios; Hansen, Lars Kai (2021-12-13). "Latent Space Oddity: on the Curvature of Deep Generative Models". arXiv:1710.11379 [stat.ML].