官方订阅号

智能研究院

免费咨询热线

400-805-7188

商务合作

css@zetyun.com

媒体沟通

marketing@zetyun.com

Towards Unsupervised Represntation Learning for FEW-SHOT Image Classification-《ICASSP会议》2022

Towards Unsupervised Represntation Learning for FEW-SHOT Image Classification-《ICASSP会议》2022

我们提出了一种易于实现的FSL方法,称为无监督牵引动量(UTM)。UTM对无监督数据进行随机采样,并对其进行扩充,以实时创建许多合成查询关键字匹配任务,并部署两个不同的编码器,同时具有相同的架构,命名为牵引编码器和动量编码器,以共同学习一个表示空间,该表示空间可以很好地适应新概念上的少数镜头分类。对几个FSL基准数据集的广泛实验评估表明,UTM对最先进的无监督方法产生了显著的改进,甚至非常接近于有监督方法。

0
0
阅 0
Leveraging Sparse Coding for EEG Based Emotion Recognition in Shooting-《ICASSP会议》2022

Leveraging Sparse Coding for EEG Based Emotion Recognition in Shooting-《ICASSP会议》2022

在本文中,我们收集了处于不同情绪状态的新手射击运动员和高级射击运动员的脑电图,并建立了两个射击数据集。此外,我们不是采用普通的卷积神经网络,而是第一个在拍摄过程中利用稀疏编码进行基于EEG的情绪识别。我们提出的方法可以有效地解决这个问题低信噪比数据导致的低精度以及小型训练设备。

0
0
阅 0
Implicit Bias of Adversarial Training for Deep Neural Networks-《ICLR会议》2022

Implicit Bias of Adversarial Training for Deep Neural Networks-《ICLR会议》2022

探索了随机梯度下降sgd和梯度下降gd的的隐式偏好以及相应的泛化性质,揭示了随机梯度下降的采样噪声给梯度下降带来额外的初始化缓解效应,并且这样的效应使得随机梯度下降获得更好的泛化性质,同时也表明了,随机梯度下降在这方面的优势,只有在深度神经网络上才会显示出来,对于单层的线性模型并不具备

0
0
阅 0

站内搜索

最新发布