- 多分辨率低秩张量分解
通过多分辨率低秩张量分解以层次化方式描述张量,这种方法能够利用不同层次分辨率上的结构,创造性地解决了高阶张量分解这一基础问题。
- 输出分解学习 Mealy 机器
我们提出了一种主动自动机学习算法,它基于将个别输出进行投影从而学习一个有限状态机的分解。这与 Labbaf 等人 (2023) 提出的最近的组合学习算法互为对偶。当将输出投影到一个较小的集合时,模型本身也会缩小。通过有几个这样的投影,我们不 - 基于 UCB 驱动的多目标增强学习的效用函数搜索
基于多目标强化学习的分解方法,通过使用多个效用函数将多目标问题分解为单目标问题,采用上限置信区间的方法在学习过程的不同阶段高效搜索最有前景的权重向量,以最大化 resulting Pareto front 的超体积。
- 元分解:物联网活动识别中的动态分割方法选择
通过重新定义分割问题为分解问题特例,引入元分解方法以减少分割偏差,并通过外部学习问题优化分割超参数来动态选择合适的分割方法,从而提高系统性能。
- 简单解析在强化学习中的投资组合分配约束
我们提出一种基于分解约束空间的方法来处理分配约束,该方法在投资组合优化任务中表现出优于现有方法的性能。
- 箭头拉普拉斯算子与特征选择
数据分析和降维中选取相关特征的挑战。给定一个特征选择器和数据的固定分解,我们描述一种用于识别与数据分解兼容的选定特征的方法。通过将找到可兼容特征的问题重新构建为找到合适箭头表示中的部分的问题,我们利用在希尔伯特空间中赋值的箭头表示 Lapl - LM2: 简约语言模型社区解决复杂推理
该研究提出了 LM2 模型,通过将问题分解为多个子问题并利用协调的语言模型进行求解和验证,以提高大型语言模型的复杂多步推理能力。
- 人体皮肤分解方法比较
人体皮肤色素的分解在医学领域中起着重要作用,本文综述了各种皮肤色素分解方法的比较,理论和实验证明了每种方法的性能,并引入了等距特征映射 (Isomap) 以提高皮肤分解的降维性能。
- 具有线性复杂度的交互式多头自注意力
我们通过分解提出了一种高效的多头自注意力交互方法,该方法通过建立注意力矩阵中的跨头交互来增强信息流动,并将注意力操作分解成查询和无键组件,以降低注意力矩阵的维度,从而实现更高效的注意力操作。实验结果表明,所提出的跨头交互方法在效率和性能上优 - 解决带时间窗的大规模车辆路径问题的时空需求聚类
通过聚类的数据驱动方法,将车辆路径问题分解成子问题以降低复杂性,并应用剪枝和局部搜索来优化解决方案。结果表明,该方法在解决大规模车辆路径问题时优于传统基于空间信息的方法,并能够适应不同情景的路由问题。
- De-fine: 图像程序的分解和精化与自动反馈
通过引入定义 (De-fine) 的模型无关方法,将复杂任务分解为简单子任务并通过自动反馈优化程序,从而提高逻辑推理性能,在多个视觉任务中实现更准确、更健壮的程序,创造了该领域的新纪录。
- 多尺度分解 MLP-Mixer 用于时序分析
提出了一种名为 MSD-Mixer 的多尺度分解 MLP-Mixer 模型,该模型通过学习将时间序列分解成不同的组成部分,并在不同层级上表示这些组成部分,以处理多尺度时间模式和通道间的依赖关系。通过在各种实际数据集上进行广泛实验,包括长期和 - DORec: 利用 2D 无监督特征的分解对象重建
本研究提出了基于神经隐式表示的 Decomposed Object Reconstruction (DORec) 网络,通过转换 2D 自监督特征为两个粒度级别的蒙版来监督分解,包括指示前景区域的二进制蒙版和指示语义相似区域的 K 聚类蒙版 - 通过解耦位置和上下文揭示 Transformer 中的隐藏几何结构
通过将训练后的 Transformer 的隐藏状态或嵌入分解成可解释的组件,本文介绍了一种简单而有信息量的方法,揭示了输入格式在上下文学习和算术任务中的结构洞察。
- 在平面上使用新颖的四元数值小波进行色彩图像的整体处理
研究平面上的四元波纹在整体颜色图像处理中的适用性,并提出了一种使用平面上最近开发的四元波纹滤波器关联的四元波纹对颜色图像进行分解和重构的方法。我们考虑了压缩、增强、分割和降噪技术,以证明四元波纹是整体颜色图像处理的一种有希望的工具。
- ICCVADNet: 通过锚点分解进行车道形状预测
本文中,我们重新审视了基于锚点的车道检测方法的局限性,这些方法主要关注来自图像边缘的固定锚点,忽视了锚点的灵活性和质量。为了克服锚点的不灵活性,我们将其分解成起始点的热图和与之相关的方向。此分解消除了锚点起始点的限制,使得我们的算法能够适应 - 基于大型语言模型的机器人任务规划与有向图结构表示
该研究提出了一种将人类专业知识和 LLM 结合的任务规划方法,通过逐步分解任务并生成任务树来减少每个任务的计划量,并设计了一种策略来分离机器任务计划,从而使任务计划过程更加灵活。
- 分解伪变化的因果框架
本文发展了形式工具,用于在马尔科夫和半马尔科夫模型中分解虚假变异。我们证明了首个允许非参数分解虚假效应的结果,并提供了识别这种分解的充分条件。所述方法有多个应用,从可解释和公平的 AI 到流行病学和医学问题,并在真实世界数据集上证明了其用途 - 扩散模型的隐藏语言
本文针对文本到图像模型中的特征表征进行了分解,通过学习一个假的标记,将输入文本提示分解为一小组可解释元素,对现有良好的稳定扩散模型进行了应用,我们发现某些概念由特定实例主导,而其他概念则结合具体和抽象的关联术语,此外,我们的方法还可以实现单 - 基于 Shapley 值的残差分解方法进行实例分析
该论文提出了一种基于数据实例而非特征的回归残差分解方法,可以识别每个实例对模型以及彼此的影响,从而实现对实例的独立性评估和 Explainable AI 任务的应用分析。