인간의 언어 획득 과정을 모방한 비지도 학습 환경에서 훈련된 심층 신경망은 음성 데이터에서 단어 연결 및 초기 구문 생성 능력을 자발적으로 보여준다.
본 연구는 비지도 머신러닝 기법을 활용하여 2차원 스핀리스 팔리코프-킴볼 모델의 상전이를 효과적으로 분류하고, 특히 기존 방법으로는 어려웠던 약하게 국소화된 영역과 안데르손 국소화 영역을 구분하는 데 성공했음을 보여줍니다.
본 논문에서는 샘플과 특징을 트리에 임베딩하여 트리-바서슈타인 거리(TWD)를 계산함으로써 비지도 학습 기반 그라운드 메트릭 학습의 속도를 향상시키는 새로운 방법인 Tree-WSV를 제안합니다. 이 방법은 기존의 바서슈타인 특이 벡터(WSV) 방법보다 계산 복잡성을 줄이면서도 정확도 높은 결과를 제공합니다.
본 연구는 새로운 비지도 학습 딥러닝 기법인 GroupSP를 사용하여 고밀도 다분광 ALS 데이터에서 도시 환경의 의미적 분할을 효과적으로 수행할 수 있음을 보여줍니다.
LATTECLIP은 인간의 라벨링 없이 대규모 다중 모달 모델(LMM)에서 생성된 합성 텍스트를 활용하여 특정 도메인의 분류 작업을 위해 CLIP 모델을 효과적으로 미세 조정하는 비지도 학습 방법입니다.
다양한 조작 작업을 해결하기 위해 자율적으로 생성된 작업을 통해 학습된 조작 스킬은 계층적 강화 학습과 결합하여 새로운 조작 작업에 효과적으로 전이될 수 있다.