representation quality | BriefGPT

关键词representation quality

搜索结果 - 13

KDD大规模低秩多字典选择
利用 LDRMS 方法解决了大字典和数据集下的多字典编码可扩展性问题，并在理论和实验中展示了其在多种编码字典下的可扩展性和表示质量的显著提升。
PDF25 days ago
CatLIP: 在 Web 规模的图文数据上 2.7 倍速度预训练的 CLIP 级别视觉识别准确性
通过对网络规模的图像文本数据进行弱监督预训练，本论文提出了一种消除对比损失中成对图像和文本相似性计算的需要的方法，在训练速度上取得了显著的 2.7 倍加速。通过广泛的实验证明，该方法在各种视觉任务中具有高质量的表征。
PDF2 months ago
Self-StrAE 在 SemEval-2024 任务 1 中：用更少地让自我结构化自编码器学习更多
该论文提出了两个简单的改进措施，一是将重构作为辅助目标包含在词汇中以提高表示质量，二是演示了增加独立通道数量可显著提高嵌入质量，同时减少参数数量，甚至将非嵌入参数总数减少到七的极限。我们的系统可以从头开始使用仅为 1000 万个输入数据进行
PDF3 months ago
SentiCSE：一种基于情感的对比句嵌入框架，配备情感引导的文本相似度
该研究提出了 Sentiment-guided Textual Similarity (SgTS) 方法来评估情感表示的质量，然后通过结合词级和句级目标的 Sentiment-aware Contrastive Sentence Embed
PDF3 months ago
ICLRLDReg: 本地维度规范化自监督学习
通过局部尺度正则化方法（LDReg），本文提出了解决自监督学习中维度塌缩问题的方法，并通过一系列实验证明了 LDReg 可以提高 SSL 的表示质量，同时能够在局部和全局级别正则化维度。
PDF6 months ago
基于距离传播的高效知识图谱推理
通过仅在每个源 - 目标对的固定窗口中聚合路径，TAGNet 可以在保持竞争性表现的同时，将传播的消息数量减少多达 90％。
PDF8 months ago
Bucks for Buckets (B4B): 针对盗用编码器的主动防御
Machine Learning as a Service (MLaaS) API 提供了成熟且高效的编码器，用于为给定的输入生成向量表示。本研究提出了一种主动防御方法 Bucks for Buckets (B4B)，在攻击发生时能够防止模
PDF9 months ago
基于评分规则最小化的概率自监督学习
本文提出了一种通过 Scoring Rule Minimization 进行的新型概率自监督学习方法（ProSMIN），利用概率模型增强表示质量和减少崩溃表示，我们的方法通过两个神经网络（在线网络和目标网络）协作学习彼此的多样表示分布，通过
PDF10 months ago
AAAI利用概率表示增强半监督语义分割
本文提出了一个基于概率理论的 Probabilistic Representation Contrastive Learning（PRCL）框架，通过将像素到表示的映射建模为多维高斯分布的概率，可以调节不确定性表示的贡献，提高表示的可靠性，
PDF2 years ago
IJCAI基于流形表征学习的神经 PCA
该研究旨在通过无监督生成学习探索有用的表示方法，对比发现现有的正则流是否对下游任务提供有效的表示方法。作者提出了神经主成分分析方法 (即 Neural-PCA) ，该方法以完整维度为操作对象捕获主成分并在其中按下降顺序进行排序，利用该方法可
PDF2 years ago
Few-Max: 无监督对比表示学习的少样本领域自适应
本文提出了一种面向 Few-Shot 自监督对比学习的域自适应方法 Few-Max，旨在解决在目标分布下自适应问题。使用各种来源和目标数据集对 Few-Max 进行了评估，证明其在表示质量方面始终优于其他方法。
PDF2 years ago
班级增量学习的要素
研究表明，使用简单的组件和一个平衡内部和外部任务学习的损失函数组合已经可以解决神经网络在新任务上学习所导致的经典遗忘现象。同时，报道了在类增量学习中，表示品质较差是另一个使经典遗忘现象出现的原因，并通过适当的正则化程序改进了性能。在这些发现
PDF3 years ago
ClusterFit：改善视觉表示的泛化能力
本文提出一种基于 ClusterFit 的简单策略来提高预训练期间学到的视觉表示的鲁棒性，通过对从预训练网络中提取的特征进行聚类，从而减少了特定于任务的信息从而将过度拟合降到最低。经过在 11 个不同目标数据集上的传递学习实验证明，与最先进
PDF5 years ago