Apr, 2022

层次最优运输在比较组织病理学数据集中的应用

PDF
TL;DR本文提出了一种基于优化传输距离的分层泛化的组织病理学数据集相似性定义方法，并证明了该方法在肿瘤类型预测任务和转移难度预测方面的优越性。
histopathologydeep learningtransfer learningoptimal transport distancecancer-type prediction
发现论文，激发创造
  • 通过最优传输计算几何数据集之间的距离

    本文提出了一种基于最优传输理论的数据集距离度量方法，不依赖于具体模型参数及训练数据，能够更好地比较数据集的相似度，与转移学习难度具有很好的相关性。

    Feb, 2020

  • 分层最优输运用于文档表示

    该论文介绍了基于分布和话题建模的层次最优输运方法作为文档之间的元距离，以量化文档之间的相似性。这种方法具有解释性和可扩展性，并在 k-NN 分类方面表现良好。

    Jun, 2019

  • 多模态分布对齐的分层最优输运

    该研究提出了一个基于最优传输与聚类结构相结合的层级对齐方法，同时采用 ADMM 算法和 Sinkhorn 距离来提高噪声、模糊或多峰数据的对齐精度，并在合成数据和神经信号解码中进行了应用，表明该方法对于具有一致聚类结构的数据集在跨领域对齐方面具有显著的性能改进作用。

    Jun, 2019

  • 结构化最优输运

    本文提出一个非线性广义离散最优传输模型，可应用于领域自适应和自然语言处理中，同时探索其快速算法和相关属性。Illustrative experiments 展示了模型引导的结构耦合的好处。

    Dec, 2017

  • 基于迁移学习的少样本分类：利用预处理过的骨干神经网络潜空间进行最优输运映射

    本研究介绍了在 MetaDL Challenge 2020 中排名第二的基于元学习的方法，在少量标注数据的情况下，通过修改隐空间中每个类别的分布来更好地对齐高斯分布，并利用期望最大化算法进一步对齐类别中心，使用 Sinkhorn 算法的最优传输映射。实验证明，该方法优于先前的研究以及使用 KNN 算法、高斯混合模型等其他算法的变体。

    Feb, 2021

  • 深度学习在组织病理学中的领域转移研究

    该论文研究了卷积神经网络在组织病理学中用于肿瘤分类的应用，分析了数据增强和归一化对模型性能和表示学习的影响，提出了衡量模型领域差异距离的新方法，结果表明训练数据的准备对学习结果有很大影响。

    Sep, 2019

  • 邻域感知最优传输学习在低资源仇恨言论检测中的应用

    提出了一种新的训练策略，利用基于邻域的框架和 Optimal Transport，以改善对低资源仇恨言论语料库的系统性能，实现相对距离建模的灵活性。

    Oct, 2022

  • LaCoOT: 通过最优输运实现层塌缩

    通过最大切片 Wasserstein 距离来最小化神经网络中间特征分布之间的距离，从而减少深度过度参数化的深度神经网络的计算负担。

    Jun, 2024

  • P$^2$OT：用于深度不平衡聚类的渐进偏差最优输运

    本文介绍了一种新的深度非平衡聚类问题，并提出了一种基于伪标签的学习框架，通过渐进式部分最优输运问题生成偏态感知的伪标签，并从高置信度样本中学习，实验证明了我们方法的优越性。

    Jan, 2024

  • 基于度量相似性学习的最优传输域泛化

    我们提出了一种基于优化输运的机器学习方法，该方法不仅提取不变特征，而且在提取特征时还限制了标签相似性，以实现跨多个领域的分类。实验结果表明，该方法优于大部分基线方法，各组件的消融研究也证明了方法的有效性。

    Jul, 2020