BriefGPT.xyz
Ask
alpha
关键词
large margin
搜索结果 - 4
分类的大边缘判别损失
这篇论文介绍了一种在深度学习背景下具有较大边界的新型判别性损失函数,通过提高神经网络的判别能力,即类内紧凑性和类间可分性,来优化特征空间,同时通过数学分析关系、设计策略和研究泛化误差,提高模型的测试准确性。
PDF
a month ago
不平衡分类的扩展大间隔损失
本文提出了一种新的针对非均衡分类的损失函数 LDAM loss,同时提出了一种扩大较大边界的 ELM loss,并通过对非均衡 CIFAR 数据集和长尾分布大规模数据集的实验验证,证明了相较于标准的 LDAM loss 和传统的非均衡分类损
→
PDF
a year ago
图像分类的大边际多模态多任务特征提取
提出了一种新的 LM3FE 框架,用于处理多模态特征的图像分类,其拥有处理相关特征和利用不同模态特征互补性来减少特征冗余的能力,通过大间隔原则提取预测性强的特征,取得了实验上的良好结果。
PDF
5 years ago
通过松弛化实现监督离散哈希
本文提出了一种基于学习的哈希方法,称为 “带松弛的监督离散哈希”(SDHR),它在传统监督离散哈希的基础上优化了回归目标矩阵,并满足每个示例的正确分类的大边界约束。SDHR 相对于传统的离散哈希方法具有更高的分类精度和更好的灵活性,并在图像
→
PDF
5 years ago
Prev
Next