关键词autoencoder architecture
搜索结果 - 12
- 用于长序列时间序列聚类的具体密集网络
LoSTer 是一种新型的密集自动编码器架构,用于长序列时间序列聚类问题(LSTC),通过 Gumbel-softmax 重参数化技巧优化 k-means 目标,并专门设计用于准确和快速聚类长时间序列,对众多基准数据集和两个现实世界应用的大 - 基于双延迟 DDPG 的神经风格迁移用于机器人操纵器的共享控制
提出了一种自定义的神经风格转移框架(NPST3),用于将一组风格转移到机器人操纵器的运动中,通过使用自动编码器定义目标机器人运动的内涵和风格,生成机器人控制策略,并通过引入训练过的风格来改变机器人的运动。在人类志愿者调查中,结果表明可以通过 - 使用展开网络进行聚类归纳偏差
在这篇论文中,我们提出了一种自动编码器架构(WLSC),其潜在表示通过二分图的拉普拉斯二次形式实现了隐式的、本地的谱聚类,生成了一组多样的人工感受野,与 V1 的灵长类动物数据具有相近的一致性,而且也展示了我们的正则化可以被解释为感受野对特 - 轨迹感知主流形框架用于数据增强和图像生成
本研究通过验证在特征空间中使用主要流形分布相对于高斯分布的理论和实际优势,提出了一种新颖的轨迹感知主要流形框架,用于恢复流形骨干并沿特定轨迹生成样本。此外,通过引入一个内在维度正则化项,该框架能够使流形更紧凑,并实现少样本图像生成。实验结果 - 使用 ACE-EM 进行增强型从头开始的 Cryo-EM 三维重建
本研究提出了一种自编码器架构 ACE-EM,用于解决冷冻电子显微镜中利用 2D 投影图进行 3D 恢复时遇到的姿态估计与图像重构问题。该方法表现出高姿态空间覆盖率、重构效果好、且是达到 Nyquist 分辨率的唯一自编码器方法。
- CVPR骨架融合:一种无监督对准关键点检测器
本文提出了一种基于无监督学习的关节点检测算法,名为 Skeleton Merger,通过 Autoencoder 架构来提取关节点并预测点间的激活强度,进而利用骨架重建对象。该算法通过组合式 Chamfer 距离实现了对输入点云的复原,并发 - SIGIR面向冷启动推荐的内容感知神经哈希
本文提出了一种基于神经哈希的协作过滤方法(NeuHash-CF),它将自动编码器架构作为模型,并使用哈希码进行用户和物品的推荐,其中哈希码由内容获取,并在冷启动推荐中表现出最优性能。
- 使用离散隐变量神经网络进行语音合成的无监督声学单元发现
本文介绍了使用离散潜变量神经网络对无标签语音进行离散子单词建模,使用自编码器架构进行中间离散化,在训练中,根据模型的特点对语音单元重新建模,以甄别可离散化的语音特征。在测试中,离线甄别采用未知说话者的语音,通过已知目标说话者的条件下的解码来 - ACL基于排序的自编码器极端多标签分类
本文提出了基于深度学习的 XML 方法,采用基于词向量的自注意力和基于排序的自编码器,不仅能处理特征和标签之间的依赖关系,同时也可以考虑标签之间的依赖关系,该方法在标准数据集上表现优异。
- NIPS多任务图自编码器
本论文研究了与图表示学习相关的两个基本任务:链接预测和节点分类,并提出了一种新的自编码器架构,能够学习本地图结构和可用节点特征的联合表示,用于同时进行无监督链接预测和半监督节点分类的多任务学习。
- 使用自编码器在图上进行预测的学习
本文利用一种新的自编码器结构,能够有效地学习本地图结构和已有节点信息的联合表示,以进行链接预测和节点分类的多任务学习,并在 9 个基准图结构数据集上进行了全面的实证评估,证明了其优于现有方法的表现。
- CVPR通过混合因素来分解变化因素
本文提出了一种不依赖于手动标注或数据领域知识的学习图像表示的方法,其实现了图像属性解离因素,其中每个因素代表一个一致的图像属性,这种解离后的特征可以应用于多种领域,例如将特定属性从一个图像转移到另一个图像、基于一个或多个属性进行分类或检索。