关键词structured prediction tasks
搜索结果 - 10
- ACL连续还是离散，这才是问题的关键
本文研究了将二元表示引入输出端，以允许模型输出二元标签，通过改进 CKY 算法、定义新的相似性函数和引入新的对比损失函数，我们的模型在各种结构化预测任务中取得了有竞争力的性能，并证明了二元表示可以进一步缩小深度学习连续性和自然语言离散性之间 - 超越 MLE：探索 SEARNN 用于低资源的神经机器翻译
通过对英语到伊博语、法语到埃维语以及法语到戈马拉语的翻译实验，本项目评估了 SEARNN 在解决低资源语言带来的独特挑战方面与 MLE 相比的功效，结果显示 SEARNN 在机器翻译低资源语言领域的训练具有显著的 BLEU 分数提升，证明了 - EMNLP自然语言处理中主动学习的调查
本文介绍了活跃学习在自然语言处理中的应用，并对查询策略、结构化预测任务、注释成本、模型学习和活跃学习的起止等关键问题进行了探讨。结论部分对相关主题和未来方向进行了讨论。
- ECCV功能匹配在驾驶场景识别中的有效性
本研究通过大量的无标签数据来进行知识蒸馏，以提高自动驾驶结构预测任务的紧凑学生模型的性能，并通过实验表明，通过这种方法可以大大提高紧凑学生模型的性能，甚至与大规模教师模型的性能相匹配。
- 结构化预测中模型更新回归的测量和降低方法在自然语言处理中的应用
本文研究了结构预测任务中的模型更新回归问题，通过测量和分析了不同模型更新设置下的模型更新回归情况，探索和基准测试了现有的降低模型更新回归的技术，包括模型集成和知识蒸馏，并提出了一种简单有效的方法，称为 “Backward-Congruent - ACL结构化预测的嵌入自动拼接
本文提出基于神经网络结构搜索的方法 Automated Concatenation of Embeddings（ACE）去寻找拼接不同种类嵌入的最佳组合，以提高预测任务的性能，并在六种任务、21 个数据集上获得了超越强基线的最优性能。
- EMNLP结构化预测模型的对抗攻击和防御
本文研究了自然语言处理结构化预测任务中的攻击与防御。我们提出了一种使用来自同一结构化预测任务的多个参考模型的反馈的序列到序列模型来攻击结构化预测模型的新颖统一框架，并通过对抗训练进一步加强了受害模型的预测，使其更加鲁棒和准确。在依赖分析和词 - ICML增强循环 GAN: 从非配对数据学习多对多映射
通过学习多对多的映射关系，我们提出一种新的模型 Augmented CycleGAN，使得在缺乏配对数据的情况下能够从非配对数据中提取结构信息，从而提高图像分割等结构化预测任务的性能，这在 CycleGAN 的假设单向单映射关系无法满足的情 - ICLR结构预测的 Softmax Q 分布估计：RAML 的理论解释
介绍了一种用于直接优化结构化预测任务中奖励函数的学习框架 Reward augmented maximum likelihood（RAML），其理论解释基于 softmax Q - 分布估计，并给出 RAMl 与贝叶斯决策理论之间的关系， - 卷积姿势机
本研究提出了一种通过将卷积网络与姿态机器学习框架相结合的系统设计来学习图像特征和图像相关的空间模型，以实现姿态估计的任务，并解决了训练过程中梯度消失的问题，其通过提供自然的学习目标函数来约束学习过程，最终在 MPII， LSP 和 FLIC