- 用于高效少样本个性化目标检测的跨架构辅助特征空间转换
我们设计了一种称为 AuXFT 的少样本 IPOD 策略,通过引入一种条件粗粒度到细粒度的少样本学习器,改善了现有的对象检测器的个性化效果,同时通过 Translator 模块生成辅助特征空间,实现了个性化而不降低检测器的性能。我们在三个公 - MetaFollower: 适应性个性化自动车辆跟随
通过元学习,我们提出了一种可适应个性化车辆跟驰的 MetaFollower 框架,结合长短期记忆网络(LSTM)和智能驾驶模型(IDM),能够准确捕捉和模拟车辆跟驰行为的细微动态,并考虑到个体驾驶者的独特驾驶风格。与常规的自适应巡航控制系统 - MS-Diffusion:基于布局引导的多主体零样本图像个性化
我们的研究引入了 MS-Diffusion 框架,用于基于布局指导的零样本图像个性化处理多主题,融合了引用令牌和特征重采样以保持细节的准确性,并通过跨主题注意力来实现各自主题条件对特定区域的影响,通过全面的定量和定性实验,证明该方法在图像和 - 个性化的遗忘机制与概念驱动的知识追踪
知识追踪旨在通过分析学生的历史学习数据并预测其未来学习表现,跟踪学生知识状态的变化。本文提出了一个概念驱动的个性化遗忘知识追踪模型(CPF),该模型整合了知识概念之间的层次关系,并结合学生个性化的认知能力,以解决现有遗忘曲线理论模型只考虑时 - PFStorer:个性化人脸修复与超分辨率
我们探索了个性化人脸修复模型的潜力,通过使用扩散模型个性化恢复模型,保留细节的同时实现对身份的量身定制,通过使用独立的可训练模块以充分利用基础恢复模型的丰富先验信息,并通过引入生成规则器来避免模型依赖低质量图像中遗留的身份部分,我们展示了我 - 零样本推理:个性化内容生成无起步问题
通过使用大型语言模型,本研究提出了一种新颖的方法来通过连续收集个体玩家的游戏数据,实现个性化的程式化内容生成,与传统方法相比,我们的方法在减少玩家在游戏关卡中中途退出的概率方面表现出更好的性能。
- 以用户为中心的前缀调优是个性化图像字幕的良好学习器
我们提出了一种个性化的图像描述框架,通过融合用户上下文以考虑个性因素并从一个冻结的大型语言模型中提取知识来减小不同语言领域之间的差距,提高了模型的效率和效果。我们的模型在 Instagram 和 YFCC100M 数据集上比现有基准模型表现 - 个性化早期和及时诊断的基本框架和方法论
早期诊断是医疗保健领域重大转型潜力,通过提供更好的治疗选择、改善长期生存率和生活质量,并减少总体成本。本文提出了一种早期和及时诊断的基础框架,以个性化诊断为基础,通过决策理论方法和机器学习统计方法来估计最佳个性化诊断路径。此框架的发展将有助 - MMBTRec:基于 BERT 的个性化旅游轨迹推荐
使用 BTREC (基于 BERT 的轨迹推荐) 算法,通过将用户的人口统计信息与过去的 POI 访问纳入修改后的 BERT 语言模型,推荐个性化的 POI 行程,以最大化 POI 的访问数量,并考虑用户对 POI 类别和时间可用性的偏好。
- FedLoRA:具有 LoRA 调整的异构模型个性化联邦学习
基于 LoRA 调优的计算和通信高效的模型异构个性化联邦学习框架(FedLoRA)为每个联邦学习客户端设计了一个同质化小适配器,从而使得客户端可以在不产生高计算和通信成本的情况下训练异构化的本地模型。FedLoRA 在两个真实数据集上的实验 - 推荐系统的近期发展:一份综述
这篇技术综述全面总结了推荐系统领域的最新进展,提供了该领域现状的概述并强调了推荐系统发展的最新趋势,涵盖了个性化、群组、基于知识的推荐系统等主要分类,探讨了推荐系统中的鲁棒性、数据偏见和公平性问题,并总结了评估指标用于评估这些系统的性能,最 - 未知个性化操纵下的战略分类
本研究研究了战略分类中的基本错误界限和样品复杂性,其中代理可以在一定程度上战术地操纵其特征向量,以便被预测为积极,我们考虑个性化的操纵,并提供在线错误界限和 PAC 样品复杂性。
- 基于 Ripple 知识图谱的卷积神经网络推荐系统
该论文介绍了一种名为 RKGCN 的端到端深度学习模型,使用知识图来提高模型的可解释性和准确性,能够基于用户偏好提供更个性化、相关性更高的推荐,在三个真实场景的实验结果中优于五个基准模型。
- 无梯度文本反演
本文提出了一种基于进化策略的梯度自由框架,用于优化文本反演的过程,试图解决个性化文本生成中因梯度下降算法的内存消耗大、部署复杂等问题。实验结果表明,采用该方法生成的文本图像与采用梯度下降方法生成的相比,性能几乎没有损失,但能够获得更高的计算 - 本地注意力的个性化联邦学习
在联邦学习中,为了解决不同客户端的局部数据异构性所带来的性能下降问题,提出了一种名为 pFedLA 的简单而有效的算法,该算法通过将关注机制纳入客户端的个性化模型,并保持关注块客户化,从而在任何联邦学习方法中提高其性能。
- 写作辅助应建模语言的社会因素
本文通过分析针对信息内容而忽略其社会方面的单一视角,提出智能写作助手需要融入社会因素来建立更有效、更个性化的写作助手,以提高用户体验和促进用户的广泛采用。
- adaPARL:面向序列决策人机交互系统的自适应隐私感知强化学习
adaPARL 是一种基于个性化隐私 - 效用权衡的自适应隐私感知强化学习方法,为物联网中的人机交互系统提供了一种用于应对隐私泄露的解决方案。在两种人机交互应用程序中,adaPARL 提供了一种个性化的隐私 - 效用权衡,并证明了其具有很好 - WWWPEAR: 为推荐定制的上下文化 Transformer 重排序
该论文提出了一个基于上下文化 transformer 的个性化再排序模型(PEAR),它不仅捕捉特征级和项目级交互,而且从初始排名列表和历史点击项目列表中模拟项目上下文,其实验结果证明了与以前的重新排名模型相比,PEAR 具有优越的效果。
- ICCV基于分布区分的个性化轨迹预测
本文提出了一种 DisDis 方法,通过区分潜在分布来预测个性化的运动模式,旨在更准确地捕捉未来动态的多模态特性。实验结果表明,该方法是有效的。
- ACLHieRec: 面向个性化新闻推荐的层次化用户兴趣建模
该研究提出了 HieRec,一种基于层次化用户兴趣模型的新闻推荐方法,使用三级层次结构表示用户的兴趣,并使用层次匹配框架实现更准确的用户兴趣目标定位,实验结果表明该方法能够有效改善个性化新闻推荐的用户建模效果。