关键词von mises-fisher distribution
搜索结果 - 8
- 基于概率的显性球面空间上对比学习
通过将表示嵌入到球形空间中，借鉴 von Mises-Fisher 分布的思想，本研究在自监督对比学习中引入了一种将不确定性纳入考虑的新视角。我们介绍了 vMF 的非规范形式，并利用浓度参数 kappa 作为直接可解释的不确定性度量，不仅提 - 在单位球上学习表示：在线连续学习应用
提出了一种基于记忆的、适合于在线连续学习的、使用最大后验估计原则学习单元球上分布的表示学习技术，其特点是通过固定方向来提高学习模型的 “健壮性”，并且可以适应于大规模的模型以及具有模糊边界的任务场景并取得了比现有技术更好的性能。
- KappaFace: 深度人脸识别的自适应加性角边界损失
通过 KappaFace 算法和 von Mises-Fisher 分布相结合，提出了一种考虑类不平衡问题的大规模人脸识别方法，该算法有效提高了深度人脸识别的性能。
- ICCVvon Mises-Fisher 损失：探索嵌入式几何模型用于监督式学习
研究了 embedding geometry 对 softmax losses 在分类和图像检索任务中的影响，并提出了一个基于 von Mises-Fisher 分布的概率分类器，在产生改进的 out-of-the-box 校准的同时，与现 - 功率球分布
该篇研究论文探讨了在超球面上定义的概率模型，提出了一种新的 Power Spherical 分布用于解决已有 Von Mises-Fisher 分布中采样速度慢以及数值不稳定的问题，并在数字实验中证明其有效性，进而将其应用于一个基于 MNI - 超球面变分自编码器
本研究提出了利用 von Mises-Fisher 分布替代 Gaussian 分布模型的 VAE，能更好地捕捉数据中的超球面潜在结构，且在低维数据类型中优于传统 VAE。
- 基于方向统计的深度度量学习在图像分类和检索中的应用
本文提出了一种基于余弦相似度的 DDML 方法，以更好地利用 L2 归一化，并提出了一种基于 von Mises-Fisher 分布的新型损失函数来学习子空间结构，加上一种新的高效学习算法可以更好地捕捉嵌入空间的整体结构，并在几个标准数据集 - 使用词嵌入的非参数球形主题建模
本文提出使用 von Mises-Fisher 分布来建模单元球上的单词密度，以构建主题模型，并基于随机变分推理提出了一种高效的推断算法，实现了自然利用词嵌入的语义结构，同时能够灵活地发现主题数量。该方法在两个不同的文本语料库中拥有更好的主