Войти
аналитика - 자기지도 학습
대조 학습에서 직교 앵커 사용 (CLOA)
대조 학습 손실 함수의 국소 최소점 문제를 해결하기 위해 레이블 정보를 활용한 새로운 회귀 손실 항을 제안하였다. 이를 통해 임베딩 클러스터의 분리를 촉진하여 분류 성능을 크게 향상시킬 수 있었다.
무작위 데이터 프로젝터를 활용한 자기지도 표현 학습
무작위로 생성된 데이터 프로젝션 함수를 재구성하는 것만으로도 우수한 데이터 표현을 학습할 수 있다.
자기지도 학습을 위한 효율적인 다중 뷰 프로베니우스 노름 최소화
프로베니우스 노름 최소화를 통해 다중 뷰 자기지도 학습의 효율성을 높이고, 경쟁력 있는 표현을 더 빠르게 학습할 수 있다.
자기지도 학습을 위한 효율적인 다중 뷰 프로베니우스 노름 최소화
프로베니우스 노름 최소화를 통해 다중 뷰 자기지도 학습의 효율성을 높이고, 경쟁력 있는 표현을 더 빠르게 학습할 수 있다.
자기지도 학습에서 국소 차원 정규화를 통한 표현 학습 개선
자기지도 학습을 통해 학습된 표현은 차원 붕괴에 취약할 수 있다. 이 논문에서는 국소 차원 정규화 기법(LDReg)을 제안하여 국소적 및 전역적 차원 붕괴를 해결하고 표현 학습의 품질을 향상시킨다.
Продукты
© 2024 by Linnk AI