invariances | BriefGPT - AI 论文速递

关键词invariances

搜索结果 - 27

学习难以改变的解释
本文研究在深度学习中 “好的解释很难变化” 的原则，指出在梯度平均时往往偏向记忆化和拼凑的解决方案而忽视了不变性，在此基础上提出了一种基于逻辑 AND 的简单算法并在多个真实任务上进行测试。最后使用一组合成数据集和常见正则化方法进行比较。
PDF4 years ago
ECCV理解 CNN：利用 INN 解释深度表示及不变性
为了了解神经网络不透明的黑盒表示法，本研究提出了一种基于 INNs 的方法来恢复任务特定和已学习不变量，将其变成易于理解的语义概念，并在不影响性能的情况下进行后期解释。
PDF4 years ago
利用边缘似然学习不变量
为了在监督学习任务中很好地推广训练数据，我们应该将不变性纳入模型结构中，并使用边际似然进行学习，我们通过高斯过程模型演示了这一点，并提出了一种包含不变性的高斯过程的变分推断方案。
PDF6 years ago
NIPS改进推理下的 GAN 半监督学习：流形不变性
本文提出了一种使用生成对抗网络的半监督学习方法，通过估计数据流形的切空间并注入不变性到分类器中来提高半监督学习性能，在学习反向映射时提出了改进的方法，并提供了关于假样本对半监督学习过程的影响的见解。
PDF7 years ago
ICLR学到的表示的测地线
提出了一种新方法来可视化和精细化学习表示的不变性，并测试了线性化的一般形式，发现现有的图像分类网络对于平移、旋转和扩展等几何图像变换不能很好地线性化，但通过改进表示方法可以解决这一问题。
PDF9 years ago
可视化和理解深度纹理表示
本文通过对最近的 CNN-based 描述符进行系统评估和比较，梳理深度卷积神经网络在纹理表示和分类变量不变性方面的性质，并提出了一个可视化的方法来理解这个性质。最后，作者介绍了一个关于纹理分析和合成的参数化模型，可以用于基于属性的图像操作
PDF9 years ago
学习多个图形高斯模型的公共子结构
本文基于图高斯模型，提出了一个 CSSL 框架和一个简单的学习算法，旨在通过对多个数据集之间常见的交互和依赖关系的识别，找到其不变特征，并在合成数据的数值模拟和汽车传感器异常检测的真实应用中确认其在查找多个数据集中不变依赖结构方面相比现有技
PDF12 years ago