- 揭示基于学习的示范选择在情境学习中的机制
通过分析学习基于示例选择方法的工作机制,我们鉴定出与相似度测量相关的两个重要因素:1)在示例和测试用例输入之间整合不同级别的与任务无关的文本相似度能够增强在不同任务中的泛化能力;2)在测量相似度时结合任务特定标签显著提高每个特定任务的性能。 - BILTS: 一种新颖的刚体运动的双不变局部轨迹形状描述符
该研究提出了一种新颖的双不变局部轨迹形状描述符(BILTS)及相应的差异度量方法,通过与现有描述符之间的数学关系进行推导,揭示了它们的属性,实验证明相比于双不变 ISA 描述符,BILTS 描述符具有更高的鲁棒性,可用于运动识别和泛化。
- 基于相似度的知识转移用于跨领域强化学习
通过开发半监督对齐损失来匹配不同空间的一组编码器 - 解码器,本研究研究了如何衡量跨领域强化学习任务之间的相似性,以选择能够提高学习代理性能的知识源。实验结果表明,在各种 Mujoco 控制任务中,我们的方法能够有效地选择和传递知识,而无需 - 基于图形关联的交通领域特征模式检索
交通数据的快速增长为揭示有关交通动态的更深入信息提供了许多机会,但也需要一个有效的数据库管理系统,其中信息检索是一个重要的功能。本文提出了一个用于高速公路交通拥堵的时空模式的基于内容的检索系统。
- 使用 Transformer 学习场景图和图像之间的相似性
本研究通过引入对比学习框架,提出了一种用于测量图像和场景图相似性的图像 - 图形对齐方法,并且通过引入 R-Precision 作为新的评估指标,建立了基于 Visual Genome 和 Open Images 数据集的新基准。
- 一种基于分布的轨迹相似度测量方法
本文介绍了一种使用分布式内核来表示轨迹和测量其相似度的简单而强大的方法,该方法解决了轨迹测量的两个主要不足之处,并在异常检测,子轨迹异常检测和轨迹模式挖掘等任务中表现出卓越的性能。
- 一次性实现:用于视觉跟踪的双流卷积神经网络
提出了一种基于卷积神经网络的视觉目标跟踪方法,使用两个输入,分别为目标图像补丁和搜索图像补丁,输出一个响应映射,该映射能够预测目标出现在特定位置的可能性,并且能够以非特定对象的方式进行培训,实现端到端的训练,同时拥有高速帧率和优异的表现。
- 超越词汇的分布式语义学:类比和释义的监督学习
本篇论文介绍了一种将分布式语义学从单个单词扩展到词对、短语和句子等的方法,通过使用组件词中的成对相似性来比较两个元组,从而实现关系相似性(类比)和组成相似性(释义)之间的转换,并通过监督学习生成组合函数。在衡量单词对之间的关系相似性(SAT - 基于内容的视频检索系统
本文综述了从视频数据中提取用于索引和检索的有趣特征以及相似性测量方法,同时识别现有的内容基视频检索系统研究问题。
- ACL基于示例的机器翻译中的匹配技术
本文提供了一种新的方法来测量基于实例的机器翻译 (EIBM) 中句子片段与存储的实例集之间的相似性,并使用聚类来提高从数据库中检索最佳匹配示例的效率。在 CELEX 数据库中的大量测试案例上给出了结果。