BriefGPT.xyz
Ask
alpha
关键词
hypersphere
搜索结果 - 5
CVPR
中心点和超球体:使用超球嵌入减少中心现象和提高传导式小样本学习性能
通过在超球面上平均分配表示,以优化均匀性和本地相似性存储之间的权衡,从而减少 hubness 问题,改善距离分类性能,提高少样本学习的准确性。
PDF
a year ago
用于异常检测的深层图级正交超球压缩
本文提出了一种新的深度图形异常检测模型,该模型利用亚球形决策边界来通过最大互信息筛选图像特征,进而实现对无监督的异常图形识别
PDF
a year ago
使用旋转不变核的自监督学习
本研究提出了一种基于核平均嵌入的正则化损失,该损失使用在超球(也称为点积核)上具有旋转不变性的核,用于自监督学习图像表示。除了与现有技术竞争力充分之外,我们的方法显着减少了自监督训练的时间和内存复杂度,使其可以在现有设备上实现非常大的嵌入维
→
PDF
2 years ago
交叉熵损失下的神经崩溃
研究了在 R^d 的单位超球面上具有 n 个特征向量的交叉熵损失函数的变分问题,证明了当 d≥n-1 时,全局最小值由等角张紧四面体框架给出,证明了神经网络崩塌的行为,并证明了随着 n 趋向于无穷大而点的最小化将在超球面上均匀分布,并展示了
→
PDF
4 years ago
超球上均匀性测试概述
本文介绍了在模拟单位范多元向量,即方向数据时,采用的统一性检验方法,包括传统的基于圆形的检验方法、基于 Sobolev 的检验方法及其他最新的检验方法,针对高维度小样本情况的新结果也得到了探讨,提供了详尽的参考文献。
PDF
6 years ago
Prev
Next