変分損失付きオートエンコーダ：RNNが潜在変数を無視する場合

この論文は、再帰型ニューラルネットワーク（RNN）と変分オートエンコーダ（VAE）を組み合わせる課題に取り組んでいます。VAEは潜在変数を使用してデータ表現を学習しますが、デコーダがRNNの場合、RNNはこれらの潜在変数を無視し、データ分布を直接学習することがよくあります。著者は、変分損失付きオートエンコーダ（VLAE）を提案します。これは、RNNの情報へのアクセスを制限し、グローバル構造をエンコードするために潜在変数を使用することを強制します。実験により、VLAEは圧縮され、意味的に豊かな潜在表現を学習することが示されています。