专家混合模型作为深度多视角聚类的表征学习

——失策了，对专家混合模型不感兴趣

摘要

当前方法中，要么是针对每个视图提取特征，要么是对所有视图用统一的特征。本文提出一种专家混合框架。引入了一个门控网络，该网络可以动态地为每个数据样本选择多个专家来进行处理，从而从不同视图中捕获多样且互补的信息。为了保持专家的多样性，还加入了一个均衡损失，防止依赖一个专家。
——如何让视图之间协作，又保留视图自己的特定信息，本文采用多个专家网络来实现。