零样本回归的目标归纳方法

Feb, 2024

Target inductive methods for zero-shot regression

Miriam Fdez-Díaz, José Ramón Quevedo, Elena Montañés

TL;DR通过使用侧信息的相似度和参数学习方法，本文提出了两种用于回归的零样本方法，用于预测气象站的空气污染物数量，并在人工数据集、UCI 存储库社区和犯罪数据集以及污染物方面进行了比较。这两种方法均优于基线方法，但参数学习方法表现出了较高的优越性。

Abstract

This research arises from the need to predict the amount of air pollutants in meteorological stations. Air pollution depends on the location of the stations (weather conditions and activities in the surroundings)

air pollutants meteorological stations zero-shot regression side information parameter learning

发现论文，激发创造

零样本回归的直接侧信息学习

零样本学习中缺乏零样本回归方法，本文提出了一种新颖的方法，将特征和附加信息融合成一个核，以更好地预测未观察到的目标模型。该方法在人工和真实数据集上展现出更好的性能。

Feb, 2024

深度学习下的零样本微气候预测

利用从其他地理位置提取的知识，我们提出了一种新颖的零样本学习方法，用于预测新的未监测位置的各种气候测量值，该方法在预测微气候变量方面超越了传统的天气预测技术。

Jan, 2024

跨域多标签零样本学习

本文提出了一种多标签零样本学习的框架，旨在解决测试时如何利用多标签相关性的挑战，并通过实验表明，所提出的深度回归模型和基于语义词向量的零样本学习算法，以及转导式学习策略，优于各种基线算法。

Mar, 2015

远程学习：重新思考有限监督下的广义零样本学习

本文提出了基于产品专家公式和 A UD 模块的零样本和少量样本归纳学习框架，利用来自非数据类的未标记采样来提高任意数量学习的泛化能力，并证明了该模型适用于有限监督场景下的广义零样本模型。

Jul, 2021

音乐分类与标记中的零样本学习和知识迁移

本研究探讨零样本学习在音乐分类和标记任务中的应用，提出了将音频和标记空间映射到单一语义空间并进行知识传递的方法，以验证其在不同音乐语料库中的泛化能力。

Jun, 2019

基于语义相似性嵌入的零样本学习

本研究使用混合模型解决无类别学习问题，通过学习相似度函数来映射源数据和目标数据到同一语义空间中，并在交叉验证的过程中联合优化参数，该方法在零样本识别的基准测试数据集上达到了显著的精确度提高。

Sep, 2015

人类主体小规模数据的零样学习

利用元学习方法开发了一个端到端的框架来解决小规模人类研究数据的零样本学习问题，能够预测干预措施的效果并应用于多任务预测中，有效地推广了小样本人类研究的普适性。

Mar, 2022

零样本学习的实际方面

本研究旨在比较多种最新的 zero-shot learning 方法在标准基准数据集上的表现，并提出和比较多种元分类器，在缺乏带标签训练数据集的情况下，将多种分类器的最佳方面相结合，达到更好的分类效果。

Mar, 2022

广义零样本学习的模型选择

通过使用生成对抗网络（GAN）生成未见类别的语义嵌入辅助数据点，结合传统训练数据，利用模型选择机制使得泛零样本学习可以分为两个不相交的分类任务，以减少不平衡的数据分布，从而获得最先进的结果。

Nov, 2018

使用不可靠属性的零样本识别

本研究提出一种新颖的随机森林方法用于零样本学习，能更好地应对属性预测不可靠的问题，对于少样本和无训练样本学习在视觉分类学习中得到广泛应用。

Sep, 2014