关键词structural constraints
搜索结果 - 13
- 大型语言模型的有约束文本生成的综合评估
通过在大型语言模型中引入详细的约束条件,本研究调查了约束文本生成的问题,并对多个语言模型进行了分类和评估,旨在为未来的约束文本生成提供启示。
- EMNLPCOGS 中的结构性泛化:超标记化几乎是你所需的全部
在许多自然语言处理应用中,神经网络在处理超出分布范围的示例时被发现无法进行泛化。本文通过多种方法对神经图形语义解析框架进行扩展以缓解这个问题,实验结果表明结构性约束对语义解析中的泛化是重要的。
- 大规模 OD 矩阵估计的深度学习方法
通过深度学习和数值优化算法相结合的方法,本研究利用神经网络从探测交通流中推断出基于结构的约束,消除了对先前信息的依赖,提供了实时性能,并且在工程上具有经济性。通过测试,在大规模的合成数据集上展示了我们方法的良好泛化能力,并在真实交通数据上验 - ACLAMRs 统合!使用自回归模型学习进行 AMR 解析统合
本文研究了 AMR 解析的现状和问题,提出了两种基于 Transformer 模型的集成策略来解决结构约束问题,并强调了计算所有可能预测的 SMATCH 得分的需求。
- 结构化低秩张量学习
提出了一种基于流形的张量低秩分解方法,利用 Riemannian 优化算法解决了存在结构约束和部分观测时的优化问题,并在非负约束和 Hankel 约束下得到了验证。
- WSDM分层注意成员图嵌入
本研究提出了一种基于邻域组织的层次化关注成员模型,用于图嵌入,通过引入结构约束,由上至下地捕获了一种良好定义的层次结构,实现了节点分类和链接预测任务的指标优于当前先进技术图嵌入解决方案,表明隐含群组和成员资格的概念在图嵌入学习中具有快速发展 - 使用自上而下和自下而上线索的表格结构识别
本研究提出了一种识别具有复杂结构,密集内容和不同布局的表格的方法,其不依赖于元特征和 OCR,并结合单元检测和交互模块来本地化细胞并预测它们与其他检测到的单元的行和列关联,同时将结构约束作为细胞检测损失函数的附加差分组件,从而将自上而下和自 - EMNLP文本类比解析:类比事实中共享和比较的内容
本文介绍了文本类比分析的任务,提出了一种以框架为风格的含义表示方法,它可以明确指定其组成要素之间共享的内容和比较的对象,从而支持从数量型文本生成自动化图表和其他依赖于话语理解的新应用。同时介绍了一个新的 TAP 数据集,包括基线和成功使用 - ICML具有结构约束的分层聚类
本文研究了带有结构约束条件的层次聚类问题,提出了两种基于优化视角的自顶向下算法,并且通过公式化约束性正则化的方法在存在冲突先验信息的情况下得出了良好的解,同时探讨了基于差异性信息变化的目标函数的变形并进一步优化了当前技术,最后将该方法应用于 - ECCV深层运动姿态回归
本文介绍了一种使用动力学模型来辅助深度学习神经网络进行关节式物体姿态估计的方法,并在玩具和人类 3D 姿势问题的数据实验中证明了该方法的有效性。
- AAAI学习高维结构化单指数模型
本文提出了高维度结构限制下单指数模型(Single Index Models)的计算有效算法,实验证明该方法相对于广义线性模型和单层前馈神经网络都有更好的预测性能并具有更低的计算成本。
- 受结构限制的指数族矩阵补全
本文提出了一种基于指数族分布的、带有一般结构约束的矩阵完成算法框架以及相应的正则化 $M$ 估计器,统一且创新的统计分析结果得到了通过模拟数据验证。
- 稀疏对决波段
本文提出一种新的基于 Borda 准则的方法,解决了在多臂赌博机中的对抗赌博问题。通过压缩样本量和利用比较稀疏性的结构限制,我们提出了一种新的叫做 Successive Elimination with Comparison Sparsit