bayesian meta-learning | BriefGPT

关键词bayesian meta-learning

搜索结果 - 8

通过摊销贝叶斯元学习进行个性化联邦学习
本文提出了一种基于个性化的联邦学习方法，通过层次化的变分推理对异构客户端进行建模，并借助贝叶斯元学习技术提取共性结构，将其转移到各自的任务中，从而生成准确的客户端特定近似后验分布，该方法在大量实证研究中显示出卓越性能。
PDFa year ago
AAAI可扩展贝叶斯元学习通过广义隐式梯度
本论文提出了一种新的隐式贝叶斯元学习 (iBaML) 方法，通过交叉造用隐式微分的优点来控制常规显式梯度下降算法的可扩展性问题，并且这个方法可以扩展学习平均值，量化相关的不确定性，有效地解决了内部优化轨迹带来的设计复杂度限制。作者通过精确的
PDFa year ago
ACL自适应知识增强贝叶斯元学习用于小样本事件检测
提出知识为基础的少样本事件检测方法来解决在实际应用中缺乏正确标记数据的问题，并引入自适应知识增强贝叶斯元学习方法来动态地调整事件类型的知识先验。实验结果表明，在相同的少样本条件下，该方法在至少 15 个绝对 F1 点上一致且显著地优于多个基
PDF3 years ago
CVPR基于不确定性指导的模型泛化应用于未知领域
本文关注在单源情况下广义化的最坏情况，提出了基于不确定性评估的输入与标签空间扩充方法，使用贝叶斯元学习框架，在图像分类、语义分割、文本分类和语音识别等范畴取得了优异的表现。
PDF3 years ago
AAAISMIL: 大量缺失模态的多模态学习
本文研究多模态学习中缺失模态的问题，提出一种基于贝叶斯元学习的方法 SMIL，可同时实现训练及测试数据中缺失模态的灵活性及训练数据大量缺失模态时的高效性，实验证明 SMIL 方法在 MM-IMDb、CMU-MOSI 和 avMNIST 三个
PDF3 years ago
ICML共享弱化变分推理的元学习
提出了一种新的摊销变分推断方案来处理实证贝叶斯元学习模型，使用变分自编码器方法在有限的训练数据上学习模型参数的先验分布，我们的框架建议在模型参数的条件先验和变分后验分布之间共享相同的摊销推断网络，相比于 Monte-Carlo 近似的早期工
PDF4 years ago
ICML基于关系图的贝叶斯元学习进行少样本关系抽取
本文研究了利用少量标记数据进行关系抽取的方法，为了更好地概括新关系，我们提出了利用全局关系图的方法，使用贝叶斯元学习的方法来有效地学习关系的原型向量的后验分布，并使用随机梯度 Langevin 动力学来优化原型向量的后验分布，整个框架能够有
PDF4 years ago
变分推断在模型无关元学习中的不确定性
本文提出了一种新的、严谨的贝叶斯元学习算法，用于学习少样本学习的模型参数先验的概率分布。该算法采用基于梯度的变分推断来推断模型参数的后验分布。我们展示了使用我们提出的元学习算法训练的模型具有良好的校准和准确性，在两个少样本分类基准测试（Om
PDF5 years ago