深度鲁棒编码器(Deep Robust Encoder, DRE),通过局部性保留低秩字典,来提取鲁棒的、辨别力的特征,同时优化一个低秩的字典和约束的深度自编码器。首先,在输出层设计一个新的损失函数,一个干净的低秩的字典,和对应的权重包含局部信息,使得重建过程无噪声。其次,判别性的图约束保留了数据的局部几何结构,引导每一个编码层的深度特征学习。
两个具体步骤:
Locality Preserving Low-Rank Dictionary Learning
传统的自编码器(AE):
加入低秩字典后的AE:
为了避免数据过拟合,加入图约束。
最后总的函数:
Deep Architecture
现有的AE包括:Stacked Auto-Encode和深度自编码器
假设 L 个编码层和 L 个解码层,最小化误差函数写为:
其中 x¯i是经过一系列编码和解码之后的 xi对应的输出。{Wl,bl},(1≤l≤L) 是编码层的参数,{Wl,bl},(L+1≤l≤2L){Wl,bl}是解码层的参数。第三项是将每一个编码层的图约束求和,引导输出层的局部低秩字典学习。
总结:基于自编码器进行设计,在自编码器基础上加上低秩字典,结构上加入多层的设计。