- UWB 在 SemEval-2020 任务 1 中的词汇语义变化检测
本文介绍我们在 SemEval2020 任务 1 中创造性的提出了语义变化检测方法,该方法是全自动的,不需要人工干预,且独立于语言;我们利用标准相关分析和正交变换计算语义空间之间的线性变换,并通过比较早期和晚期语料库中目标单词的向量之间的余 - 通过规范相关分析可靠检测未知的小区边缘用户
本文旨在探究绕过信道估计阶段并设计出一种可靠地检测在重要的近 - 远功率失衡下的细胞边缘用户信号的探测器,使用多基站联合检测往往不能可靠地检测到这些信号,而这种探测器可以通过基于典范相关分析的方法识别这些基带等效矩阵的公共子空间从而实现。
- 无监督语义文本相似性的句子元嵌入
本文介绍了如何通过将不同的预训练句子编码器组合成句子元嵌入来解决无监督的语义文本相似性(STS)任务,我们在句子级别应用、扩展和评估了来自单词嵌入文献的不同元嵌入方法,并在 STS 基准测试和 STS12-STS16 数据集上设置了新的无监 - EMNLPTransformer 模型中表示形式的自下而上演化:机器翻译和语言建模目标研究
本文研究不同学习目标下深度神经网络中单个标记的表现形式和学习的特征空间结构如何在各层之间演变,通过经典相关性分析和互信息估计研究信息如何在 Transformer 的不同层之间流动,并说明此流程如何取决于学习目标的选择。
- ICML神经网络表示的相似性再探讨
本文介绍了基于规范相关分析(CCA)方法的神经网络表示比较方法,并提出了一种相似度指数来测量表示相似性矩阵之间的关系,该指数与中心核对齐(CKA)密切相关,但不受高维表示限制,具有可靠性。与 CCA 不同,CKA 方法可在不同初始化的网络表 - 没有视觉或对话的视觉对话
使用基于规范相关分析 (CCA) 的简单方法,我们对视觉对话进行了特征描述,并指出现有方法存在的问题。该方法忽略了视觉刺激和对话排序,不需要梯度,具有较少的参数数量和学习时间,并在标准数据集上达到了接近最先进的性能水平,进一步分析了数据集的 - NIPS使用规范相关方法揭示神经网络中的表示相似性见解
作者们通过投影加权规范相关分析法(projection weighted CCA)研究神经网络的表征学习。研究发现,广泛的神经网络更容易获得相似的表征,与学习速率相关的神经网络收敛到具有不同表征的不同聚类中,RNN 随着时间的推移呈自底向上 - 基于领域适应的词向量在情感分类中的应用
该论文提出了一种将通用词嵌入的广度与领域特定词嵌入的特異性相结合的方法,通过使用规范相关分析 (CCA) 或相关的非线性内核 CCA 对应的单词向量进行对齐来形成称为领域自适应 (DA) 词嵌入,其评估结果表明,在用于标准或最先进的分类算法 - CVPR无监督相关分析
本篇文章提出了一种无监督的相关分析方法 (UCA),用于解决在计算机视觉中串联不同领域的问题,并将其与常用的 Cannonical Correlation Analysis (CCA) 方法进行比较,证明 UCA 的性能优于其他无监督的基准 - Kronecker 乘积回归和 P 样条的草图
本文提出一种名为 TensorSketch 的算法,它可以用于 Kronecker 乘积回归、正规化样条回归等问题,并且还可以用于基本相关性分析和低秩逼近。此外,该算法还被扩展到用于其他范数的计算。
- 规范相关分析方法教程
本文介绍了经典相关分析如何通过正则化、核、和稀疏等不同变体实现对变量集对之间的关系的研究。同时作者提供了数值例子,希望这篇文章成为数据分析人员使用经典相关方法的实用工具。
- CVPR通过软装饰实现可扩展和有效的深层 CCA
本研究提出了一种新的深度多视角学习模型 Soft CCA,通过一种基于小批量的随机解相关损失(SDL)来实现软解相关,以替代现有深度 CCA 模型中具有计算代价的确切解相关。实验证明,相对于现有的深度 CCA 模型,我们的 SDL 损失对其 - 随机标准相关性分析
本文研究了规范相关分析的样本复杂度,提出了一种基于随机优化算法的解决方案,使用 Shift-and-Invert Power Iterations 进行处理的流式算法,从而实现相同的学习准确性和 (样本复杂度的水平)。
- NIPS使用规范相关分析法分析医疗账单编码序列
使用规范相关分析 (Canonical Correlation Analysis,CCA) 生成医疗账单编码序列的特征,从中获得对于预测消化道结肠憩室病患者未来需不需要行电子手术的有益信息,以期在医疗保健费用降低方面起到重要作用。
- 正则化数据拟合的更锐利界限
研究针对线性回归、低秩逼近和规范相关分析的正规化变体的矩阵草图方法,主要关注能够保留规范问题目标函数值的草图技术,为 ridge regularization 在这些问题上展示了算法资源界限,其中统计维度总是小于秩,并随着规范化程度的增加而 - 用 2-Way Nets 实现图像和文本的链接
本文介绍了一种双向神经网络架构,该架构通过使用欧几里得损失将两个数据源的向量进行匹配,并演示了在 MNIST 图像匹配和 Flickr8k、Flickr30k 和 COCO 数据集上的计算机视觉匹配任务中的最新结果。
- AAAI将抽象场景映射到文本的规范相关推断
使用标准化相关分析为基础的结构预测技术可解决自然语言描述抽象场景的问题。
- NIPS基于随机优化的规范相关分析高效全局收敛算法
研究了标准相关分析的随机优化,提出了两种全局收敛的元算法,通过将原问题转化为序列的最小二乘问题,使用最先进的 SGD 方法,并获得了显著的时间复杂度改进。
- ICLR多视角下发现相关子空间的信息检索方法
通过优化每个视图的映射,该方法能够找到直接优化多视图之间数据分析任务的相关子空间,其标准从定义良好的检索任务中产生,检测非线性和本地相似性,并且在保留跨视图邻域相似性方面优于其他替代方案。
- CVPR用不对称加权 CCA 和分级核句子嵌入实现图像与文本检索
本文提出了三个可以改善 CCB-MMR 检索性能的新方法,其中包括对称权重的首次使用,基于 Bjork Golub 算法的模型选择和基于核语义嵌入的层次核 CCA,这三种方法联合应用在 MSCOCO 和 Flickr 基准测试中表现优异。