contrastive representation learning | BriefGPT

关键词contrastive representation learning

搜索结果 - 32

IMEX-Reg: 面向连续学习的函数空间中的隐式 - 显式正则化
我们提出了 IMEX-Reg，通过对比表示学习和一致性正则化使用两重隐性 - 显性正则化方法来改善在低缓存场景下连续学习中经验重演的泛化性能，结果表明 IMEX-Reg 在多个连续学习场景中显著提高了泛化性能，并在可信的自然和敌对污染下表现
PDF2 months ago
使用对比共享表征进行个性化的联邦学习，解决非独立同分布数据中的标签差异性
本文提出了一种名为 Federated Contrastive Representation Learning (FedCRL) 的个性化联邦学习算法，旨在处理分布式机器学习场景中由标签分布偏斜和数据稀缺性造成的异质性。FedCRL 通过在
PDF2 months ago
DACAD：领域自适应对比学习多元时间序列中的异常检测
本文提出了一种结合无监督域自适应和对比表示学习的新颖多变量时序异常检测领域适应对比学习模型（DACAD），模型通过引入各种类型的合成异常来增强泛化能力，改善领域间未见异常类的一般化，提出了针对异常检测的有效中心熵分类器（CEC），有效学习源
PDF3 months ago
PLReMix：用伪标签松弛对抗噪音标签的对比度表示学习
我们提出了一种端到端的 PLReMix 框架，通过引入伪标签松弛的对比损失来避免复杂的训练流程，解决了 Contrastive Representation Learning（CRL）与有监督学习的优化冲突，并采用二维高斯混合模型（GMM）
PDF4 months ago
ICLR用对比表示学习分离常见模式和显著模式
基于对比学习和信息最大化准则，我们提出了一种名为 SepCLR 的方法，用于学习适用于对比分析的语义表达，通过最大化和最小化两个互信息项，并采用新颖的最小化互信息策略来防止常见和显著分布之间的信息泄露。
PDF4 months ago
蒸馏增强的时间序列预测网络与动量对比学习
我们提出了 DE-TSMCL，这是一个创新的蒸馏增强框架，用于长序列时间序列预测，通过设计可学习的数据增强机制、提出具有动量更新的对比学习任务以及设计监督任务，联合优化多个任务，从而学习下游预测任务的有效表示，实验证明了 DE-TSMCL
PDF5 months ago
对比表示学习中的正则化及外域检测的理解
对比度表示学习已经成为异常检测的一种杰出方法，本文通过探索对比特征的 l2 - 范数及其在超出分布检测中的应用，提出了一种简单的基于对比学习的方法，通过在对比层空间对正常样本进行抵制，来将超出分布的数据纳入模型中。我们的方法可以灵活地作为异
PDF6 months ago
前瞻性选择性可塑性实现视觉任务的持续学习
通过观察对神经网络输出的对比损失的冗余引发能力，我们的方法利用新任务的前几个样本来识别和保留对神经网络传递能力最有贡献的参数，从而使网络的其余部分能够学习新特征，并在诸如 CIFAR10 和 TinyImagenet 等基准计算机视觉数据集
PDF8 months ago
层次对比框架医学时间序列
用于医学时间序列分析的对比表示学习方法，通过在医学时间序列的多个层次上利用数据的一致性，通过自监督学习获得保留全面数据一致性的有效表示，实现了对稀缺专家标注的依赖程度的减轻，并在多个数据集上的实验证明了其在提高医学时间序列对比表示学习技术方
PDF8 months ago
牙科 CLAIRES: 用于牙科研究的对比语言图像检索搜索
提出了一种基于对比语言图像检索搜索的牙科研究搜索工具，称为 Dental CLAIRES，利用牙周尖周照射 X 光片和相关临床细节来根据文本查询检索最匹配的图像。
PDFa year ago
ACL基于对比学习和原型学习的跨语言命名实体识别自训练改进
本文提出了一种名为 ContProto 的跨语言命名实体识别的自我训练框架，大大提高了伪标签的准确性和不同语言间的转移能力，并在实验中展现了高于现有技术的表现。
PDFa year ago
ICLR通过对比潜变量引导基于能量的模型
本文提出了一种基于对比学习的框架，通过引入对比潜变量来改进能量基模型的训练，设计一种新类的潜变量 EBMs 实现数据联合密度估计和对比潜变量的联合训练，实验结果表明该方案比现有的 EBM 方法（如变分自动编码器或扩散技术）具有更低的 FID
PDFa year ago
多对称集合：通过对称性的对立提高多样性和泛化能力
本研究提出了一种名为 Multi-Symmetry Ensembles (MSE) 的框架，通过捕获对称轴上假设的多样性来构建多样化的集合，探索超越随机变化的模型权重和超参数假设空间并有效提高了分类性能、不确定性量化和迁移任务的泛化。
PDFa year ago
CRL+: 保险数据基于半监督的深度主动对比表示学习文本分类模型
本文提出了 CRL+，一种新的文本分类模型，结合对比表示学习（CRL）和主动学习，旨在使用半监督学习处理保险业中的非结构化数据进行文本分类。该模型在使用死亡记录数据进行测试时表现优异，胜过使用 CRL 模型和基于 RoBERTa 模型的主动
PDFa year ago
注视估计的对比表示学习
本文提出了一个基于对比学习方法的简单的凝视估计学习框架 ——GazeCLR，其中利用多视图数据促进等价变换，并使用选定的数据增强技术进行不变性学习。实验结果表明，GazeCLR 在多个凝视估计任务和 few-shot 评估上都取得了显著的
PDF2 years ago
知识图谱对话问答中的对比表示学习
通过对话历史和领域信息进行对比表示学习，本文提出了一种基于对比表示学习的方法，用于无需黄金注释的弱监督下进行知识图谱路径排名。实验结果表明，该方法在所有领域和整体上显着优于现有基线，排名指标相对于现有技术表现提高了 10 到 18 个百分
PDF2 years ago
CyCLIP: 循环对比语言 - 图像预训练
介绍了一种改进的对比表示学习框架 CyCLIP，通过显式对图像和文本空间的几何一致性进行优化，提高了模型的一致性和表现在零样本分类和分布不变性方面。在标准基准测试中，与 CLIP 相比，零样本分类准确率和对自然分布变化的鲁棒性分别提高了 1
PDF2 years ago
EMNLP有条件的监督对比学习：公平的文本分类
提出使用有条件的监督对比目标学习在文本分类中学习公平代表的方法，以平衡在现有基准线中任务表现和偏差缓解之间的权衡，并在两个文本数据集上进行实验，展示了该方法的有效性。
PDF2 years ago
ACL事件和实体的跨文档指代消解的对比表示学习
采用对比度表示学习方法的实体和事件共指解析技术，通过仅在推理时进行 n 个转换器计算的对比度学习技术，实现了对 ECB + 语料库关键指标的最先进结果和其他指标的竞争性。
PDF2 years ago
PARCEL: 多线圈 MR 成像的基于物理的无监督对比度表示学习
为了解决神经网络模型解释性不足、训练数据有限的问题，本文提出了一种基于物理学的无监督对比表示学习方法 (PARCEL)，通过两个网络的对比学习实现 MRI 图像的高精度重建。结果表明，PARCEL 方法能够实现准确的 MRI 重建而不依赖于
PDF2 years ago