unsupervised setting | BriefGPT

关键词unsupervised setting

搜索结果 - 14

基于扰动屏蔽的有效无监督约束文本生成
无监督约束文本生成的研究提出了 PMCTG 方法，通过在每一步中搜索最佳的编辑位置和操作，提高了生成效果。在无监督设置下，PMCTG 在关键词到句子生成和改写这两个典型任务中取得了新的最佳结果。
PDF2 months ago
流形密度函数：一种验证流形学习的内在方法
本研究提出了流形密度函数作为一种本质方法来验证流形学习技术。我们的方法通过改进 Ripley 的 K - 函数，在非监督设置中对流形学习算法的输出与潜在流形的结构相符程度进行分类。我们的流形密度函数适用于广泛的黎曼流形类别，并通过使用高斯
PDF5 months ago
元先验：自适应逆问题求解的元学习
基于深度神经网络和元学习的方法，实现在缺少标准数据的情况下，用少量样本进行特定任务的有效训练，并在图像处理和磁共振成像等多个领域展示了方法的有效性。
PDF7 months ago
集合准确性的实用估计
本文提出一种实用的方法来估计多个分类器的联合能力，与现有方法不同的是它不依赖于标签，从而使得在大型无监督数据集中进行工作成为可能。该方法通过组合误差的组合边界实现，能够高效地搜索可能产生更高联合准确性的分类器组合。此外，该方法适用于无标签数
PDF8 months ago
背景同样重要：背景感知的运动引导物体发现
提出了一种背景感知的运动引导对象发现方法，通过利用光流提取的运动对象的遮罩并设计学习机制将其扩展到由移动和静止对象组成的真实前景，并在对象发现过程中隔离背景，从而实现对象发现任务和对象 / 非对象分离的联合学习，为对象发现性能和对象 / 非
PDF8 months ago
ALGAN：基于调整 LSTM GAN 的时间序列异常检测
在时间序列数据中，我们提出了一种名为调整 LSTM GAN（ALGAN）的新型生成对抗网络（GAN）模型，它能够调整 LSTM 网络的输出以提高无监督设置下单变量和多变量时间序列数据的异常检测性能。通过对 46 个真实世界的单变量时间序列数
PDFa year ago
CVPRFODVid: 视频中的流引导物体发现
我们在视频中对象的分割问题上提出了一种新的管道（FODVid），它基于使用流引导图割和时间一致性的思想来引导分割输出，通过设计一个融合了帧内外观和流相似性以及帧间对象时间持续性的分割模型，我们的方法在无监督的视频对象分割中取得了与现有顶级方
PDFa year ago
使用预训练网络进行完全无监督的视觉检查的数据细化
本文研究使用深度预训练神经网络提取特征的传统离群值检测技术在 MVTec Anomaly Detection 数据集上交出的出色成绩在全无监督场景下的鲁棒性，提出了一种简单的单类分类策略（SROC），并证明其在与现有文献中更复杂的策略竞争时
PDF2 years ago
文本的无监督表示解缠：对合成数据集的评估
通过从图像领域选择代表性的成功应用模型来突显在无监督设置中实现文本领域的表征分离的挑战，我们评估了这些模型在 6 个分离度量、下游分类任务和同伦方面的性能。我们提出了两个具有已知生成因素的合成数据集，以促进评估。我们的实验强调了文本领域中存
PDF3 years ago
ACL结合静态词向量和上下文表示的双语词汇表归纳
本研究提出了一种将静态词向量和上下文表示相结合的机制来改进双语词典归纳（BLI）的表现，结果表明在监督及无监督的基准测试环境下，我们的机制均可提高 3.2 和 3.1 个百分点左右的性能表现。
PDF3 years ago
CVPRSharinGAN：结合合成和真实数据进行无监督几何估计
本文提出了一种将合成图像和真实图像结合进行网络训练的新方法。我们建议将两种图像映射到一个共享域中，并连接到主网络进行端到端训练。实验结果表明，该方法在两个重要的领域中均取得了显著的改进：人脸表面法线估计和户外场景单眼深度估计，尤其是在无人监
PDF4 years ago
CVPR软化相似度学习实现非监督式人物再识别
本篇论文研究了人物再识别任务在无监督设置下的迭代式训练机制，放弃了集群聚类，改用基于配对计算和软化分类任务的方法计算相似度，从而在无标记数据下获得了最先进的性能表现。
PDF4 years ago
SIGIR上下文传播的术语权重用于文档表示
提出了一种新模型，通过给类似语境中出现的单词重新分配其权重，模拟了在相似语境中单词之间的语义共享，并将其纳入单词袋文档表示法中，从而在无监督设置下在难度逐渐增加的数据集上获得了最好的微观和宏观 F1 分数，针对的研究主题是单词嵌入和语义含义
PDF5 years ago
无监督开放式关系抽取
在无监督环境下，我们探讨了从自由文本中提取命名实体之间关系的方法。除了标准特征提取外，我们还开发了一种重新加权词嵌入的新方法。我们使用单个特征降维缓解了特征稀疏性问题。我们的方法在 NYT-FB 数据集上获得了 F1-score 为 0.4
PDF6 years ago