- 哈密顿性质测试
我们提出了一种基于随机化测量的非相干哈密顿局域性测试算法,用于测试泛型哈密顿局域性等一系列哈密顿性质。此外,我们证明了具有平均情形距离的泛型哈密顿学习仍然是指数复杂的,从而在哈密顿测试和学习之间建立了指数级的差距。
- 基于新的相依度量的圆时序模糊聚类及风力数据应用
本文针对环形时间序列的聚类问题,引入了一种基于圆弧的序列相关性度量,采用模糊方法实现多个聚类簇的定位,并在沙特阿拉伯风向时间序列的两个应用中展示了该方法的潜力。
- 知识蒸馏中参数选择的实证研究
本文通过大规模实证研究,探讨配置参数选择对知识蒸馏(KD)性能的影响,以及如何在 13 个数据集、4 个 NLP 任务和 3 种学生规模下对学生性能的影响进行评估,最终确定一种在各方面表现良好的配置。
- 通过人类反馈实现多样性
通过人类反馈学习行为空间,结合适当的距离度量,提出了一种名为 DivHF 的通用方法,该方法能更好地符合人类要求,并在人类偏好下得到更多样化的解决方案。
- 多载波多天线系统的直视通道绘图优化
在本文中,对相位失敏距离进行了彻底的理论分析,并探讨了其局限性,为设计能够学习质量图表的系统提供了指导。随后,对不同场景下的合成和真实数据进行了实验验证。
- DTW+S:基于形状的有序局部趋势的时间序列比较
测量时间序列数据之间的距离或相似性是许多应用的基本方面,包括分类和聚类。我们的目标是开发一种可以查找相似时间点附近发生的相似趋势,并且对应用领域的研究人员易于解释的度量。我们提出了一种新颖的度量方法 DTW+S,它创建了一个可解释的时间序列 - MAD:图像配准的模态无关距离度量
通过使用随机卷积来学习图像的固有几何结构,并依靠 Modality Agnostic Distance (MAD) 作为深度图像距离测度,我们展示了 MAD 不仅能够成功地进行多模态图像仿射配准,而且还具有比传统测度(如互信息和归一化梯度场 - 利用两种背景知识的半监督聚类:融合成对约束和单调性约束
本研究提出了一种新方法来解决在存在成对约束和单调性约束时执行聚类的问题,通过定义一种特定的距离测量方法并设计目标函数实现了这一目的,并使用 EM 优化算法进行优化,该方法在多个基准数据集和一个现实世界的案例中进行了测试。
- 贪婪发现序因素
本文提出了一种采用序数因子分析的方法来处理大数据集中存在的结构问题,并介绍了一种贪婪算法来提取序数因子,从而发现和解释数据集中的不同项目和属性之间的关系,以及一种基于由序数分解产生的表示的距离度量方法,用于发现相似的项目。
- 基于监督最优路径森林分类的距离度量比较研究
本研究旨在比较使用不同距离度量方法的 Optimum-Path Forest(OPF)分类算法的性能,将其与基准分类器进行比较,并使用不同领域的文献数据集进行实验。实验结果表明,OPF 适应不同领域的能力良好。
- MM通过无相位距离计算高效通道制图
本文提出了一种基于距离度量的信道编码方法,并使用非线性降维技术在实际综合信道上进行经验验证,证明该方法优于先前提出的方法,成本更低。
- IJCAI使用自编码紧凑表示的分层聚类进行时间序列分析
使用 Auto Encoded Compact Sequence 和分层聚类方法构建的时间序列聚类算法,在选择最佳距离测量方法的基础上,采用递归神经网络进行自动编码,不仅可以解决大量计算时间的问题,而且在多个应用领域中表现出比基准结果更好的 - 全局不变量下的时间序列对齐
本文提出了一种新的距离测量方法,通过学习特征空间的潜在全局转换和时序对齐,以及不同维度间的差异来计算多元时间序列之间的距离,为机器学习等领域提供了新的思路。
- KDD基于度量学习的 kNN 时序流计算
提出了一种新的度量学习方法 MLAT,它不仅可以处理时间序列中的变化,还可以捕捉时序依赖关系,在各种真实数据集上的实验表明,MLAT 的性能优于其他已有的算法。
- KDD面向时尚库存主观搜索的对抗训练深度神经语义哈希方案
本文提出了一种利用深度神经网络实现对时尚库存图像进行语义哈希的方案,并使用哈密尔顿距离度量实现对时尚库存的图像检索。经实验验证,这种方案相对于现有的深度 Cauchy 哈希方法,可取得更好的平均精度。
- 深度强化学习多样性驱动的探索策略
本文介绍了一种基于差异性驱动的强化学习探索方法,结合在线和离线强化学习算法,通过向损失函数中添加距离度量,显著提高了代理的探索行为,从而防止局部最优解以及进行了学习进程的自适应缩放方法,实验表明该方法在 Atari 2600 中在多个任务中 - 深层生成模型的度量标准
通过将 Riemannian 几何的思想应用到该领域,我们提出了一种基于最短路径计算的距离度量方法,可以获得基于原则的距离度量,提供深度生成模型的视觉检查工具和运动泛化工具。
- 广播视频场景检测的深度孪生网络
本文提出一种通过学习镜头间距离度量来自动将广播视频划分为连贯场景的模型,并通过比较算法与最近提出的自动场景分割方法来展示其有效性。同时提出了一个改进的性能评估方法,旨在减少数值评估和预期结果之间的差距,并提出和发布一个新的基准数据集。
- 社交网络中极性意见动态分析距离指标
介绍了一种新的社交网络距离(SND)测量方法,主要应用于社交网络的观点动态分析(如预测用户的政治倾向),实验结果表明该方法在异常事件检测和观点预测方面具有很高的准确率。
- 最小化分数均方根误差的异常鲁棒 ICP
我们提出了一种迭代最近点(ICP)算法的变形,在一组变换下对两个点集进行对准。我们的算法优于以前的算法,因为它以统计鲁棒的方式确定最佳对准,并且保证会收敛到局部最优解。我们形式化了一种新的距离测量方法,称为分数均方根距离(frmsd),它将