关键词neural representations
搜索结果 - 44
- EMNLP文本隐私保护神经表示
本文主要研究基于深度学习自然语言处理中的对抗攻击,探讨攻击者如何通过窃取神经网络文本分类器的隐藏表示来获取敏感信息,为解决此问题,文章提出并论证多个防御方案,改进神经表示的隐私保护性能。
- ICLR对抗性 Dropout 正则化
提出了一种利用 Adversarial Dropout Regularization 的方法来实现神经表示从有标签的源域到无标签目标域的转移,以提高语义分割和图像分类任务的准确性,并证明了该方法的有效性。
- EMNLP深度表示中的语言结构类比
通过比较编码器生成的消息向量的真值条件表示与人类生成的指称表达式,我们发现神经表示能够自发地开发出具有功能类似于自然语言定性属性的 “语法”,并从这些对齐的(向量,话语)对中搜索结构化关系,以发现对应于否定、连词和析取的简单向量空间变换。
- 面对不确定世界的神经缩放规律
本研究旨在探究如何最优地分布受体,提高自主神经系统在不同统计情况下的处理信息的能力,并在视觉系统的基础上解释行为型魏伯 - 费希纳定律。