关键词cluster representation
搜索结果 - 3
- FedCCL:基于领域异质性的联邦双聚类特征对比
通过引入聚类表示、局部聚类和全局信号等方法,本研究提出了一个双聚类特征对比的联邦学习框架,旨在解决非独立同分布数据的挑战,以跨客户知识共享和一致的全局指导为重点,实验结果表明,在域内和域间异质性下,该框架取得了可比或更高的性能提升。
- CVPR使用表示编码书进行多模态对齐
该研究论文提出了一种基于聚类表示学习的多模态信号对齐方法,使用字典聚类编码将图像和文本编码到一个共同的编码空间中,并采用师生蒸馏的方法进一步优化学习过程,在多种视觉语言基准测试中取得了最新的最佳结果。
- 基于半监督的深度学习用于多重网络
本研究提出了一种新的半监督结构感知表征学习方法,通过最大化局部节点表示和标签相关的全局图表示之间的互信息来联合建模节点和群集结构,并采用聚类感知、节点上下文全局图概括生成策略来有效地联合建模多层复合网络中的节点和群集表示,实验结果表明,提出