BriefGPT.xyz
Ask
alpha
关键词
feature discovery
搜索结果 - 4
多模态数据的因果分解
利用多模态数据和物理约束来发现具有因果关系的重要特征的因果表示学习算法（causalPIMA）。通过可微分参数化和单个可追踪证据下限损失函数，在完全无监督的设置中学习变分自动编码器的有向无环图（DAG）的潜在空间，同时学习一种高斯混合先验和
→
PDF
8 months ago
AAAI
通过知识破坏发现领域泛化的新多级特征
提出了一种名为 COLUMBUS 的方法来解决机器学习中的领域泛化问题，即针对模型在未见过的领域中训练的情况下泛化能力差的问题，通过对数据进行重要特征的有针对性损坏和多层级表示进行新特征的发现来提高泛化能力，经过对多个基准数据集的实证评估，
→
PDF
3 years ago
使用逐层稀疏编码和 STDP 学习的生物启发型脉冲卷积神经网络
本文探讨了一种新颖的生物启发式脉冲卷积神经网络，该网络以贪心的分层方式进行训练，将由脉冲卷积 - 池化层和提取独立视觉特征的特征发现层组成，使用局部学习训练卷积层内的卷积核并利用概率性、泄漏整流集成火 (LIF) 神经元从输入刺激中提取独立
→
PDF
8 years ago
透过自适应选择比较进行众包特征发现
本文提出一种利用众包进行无监督学习的方法，通过 “二选一同类” 问题查询来发现数据特征，并使用自适应算法从三元组中恢复所有特征，实验证明其效率高于传统非自适应算法。
PDF
9 years ago
Prev
Next