Learning the geometry of common latent variables using alternating-diffusion

یکی از چالش های موجود در تجزیه و تحلیل داده ها، بین منابع مختلف تنوع در داده ها متفاوت است. در این مقاله، ما در مورد سنسورهای چندگانه اندازه گیری همان پدیده فیزیکی را در نظر می گیریم، به طوری که خواص پدیده فیزیکی به عنوان یک منبع مشترک مخالف تغییرپذیر (که ما می خواهیم آن را استخراج کنیم) ظاهر می شود، در حالی که هر سنسور دارای سنسور خاصی است اثرات خاص (متغیرهای مخفی که ما می خواهیم سرکوب)؛ روابط بین اندازه گیری ها و متغیرهای مخفی ناشناخته است. ما یک روش مبتنی بر داده ها مبتنی بر محصولات متناوب اپراتورهای انتشار را ارائه می کنیم و نشان می دهیم که منبع اصلی تغییرپذیری را استخراج می کند. علاوه بر این، ما نشان می دهیم که منبع مشترک تغییرپذیری در آزمایش چند حسگر را استخراج می کند، به شرط اینکه این الگوریتم یادگیری چندجملهای استاندارد است که برای تجزیه و تحلیل یک آزمایش ساده تک سنسور استفاده می شود که منبع اصلی تنوع تنها منبع متغیر است .