关键词transfer learning tasks
搜索结果 - 4
- ECCVSuperLoRA: 多层注意力模块参数高效统一适应
提出了一个称为 SuperLoRA 的广义框架,将不同的 LoRA 变体统一并扩展,通过引入分组、折叠、洗牌、投影和张量分解等方法,SuperLoRA 相对于其他 LoRA 变体具有更高的灵活性,在转移学习任务中表现出卓越的性能,尤其在极低 - 野外视频中的表示学习:以对象为中心的方法
该篇论文提出了一种从未加工过的视频中学习图像表示的方法,该方法将来自现成物体检测器的监督损失和自我监督损失相结合,取得了在 19 个迁移学习任务中有竞争力的结果,其中包括 18/19 的少样本学习任务和 8/8 的数据集泛化任务。
- 香味机器学习:学习小分子的可泛化感知表示
本研究利用图神经网络方法,提出了一种基于分子结构与气味之间关系的定量分析模型,并通过实验表明我们的方法在气味分类上较之以往具有更高的性能,同时证明图神经网络的嵌入学习能够提取出有意义的气味空间向量表示,对气味的相关应用具有启示性。
- 稀疏转移学习中的优胜彩票算法
本文基于 Lottery Ticket Hypothesis 对一系列迁移学习任务进行研究,通过使用无结构量级剪枝来发现最优子网络,实验结果表明减少约 90-95% 权重的稀疏子网络在多个现实场景下能够达到或超过原始网络的准确度。