关键词semantic regularization
搜索结果 - 4
- IJCAI利用逻辑背景知识改进基于神经网络的分类
我们提出了一种新的用于有命题背景知识的监督多标签分类的形式化方法，称为推理中的语义调整，其在推理过程中限制系统而不影响训练，相比于另外两种常见的神经符号技术（语义调整和语义正则化），我们讨论了其在理论和实际上的优势，并开发了一种新的多尺度方 - 复杂立面的空中三维扫描的整体逆渲染
使用多视角航拍图像，通过神经符号距离场重建立面的几何形状、光照和材质，从而实现基于物理和照片般逼真的新视角渲染、重照和编辑。通过引入三种自适应优化策略，包括基于零样本分割技术的语义正则化方法来改善材料一致性，基于频率感知的几何正则化来平衡不 - 面向视觉语言模型的 Patch-Token 对齐的贝叶斯提示学习
这篇文章介绍了一种基于贝叶斯概率理论的视觉 - 语言预训练模型关键词学习方法，该方法通过优化可视化知识和充分利用图像与相应提示的语义联系，在充分表达不同特性的同时保证泛化性能，该方法具有良好的转移性能和泛化性能，结果表明该方法比一般的提示工 - 将符号知识嵌入深度网络
本文提出了一种基于图嵌入网络的符号知识应用方法，该方法将命题公式 (和赋值) 通过增强的 Graph Convolutional Network (GCN) 投射到流形上。通过识别节点异质性和结构约束等技术，我们能够生成语义上忠实的嵌入，提