Neg-MMIOT-CL引入负样本耦合
热点事件观察中
Neg-MMIOT-CL引入负样本耦合
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
Ngoc-Hai Nguyen、Thuan Nguyen、Prakash Ishwar 和 Shuchin Aeron 提出 Neg-MMIOT-CL，通过全局多边际逆最优传输显式耦合锚点、正样本和负样本；在潜在类别模型中，研究者实证显示该方法可缓解维度坍缩。 在特定表示空间代价函数下，研究者证明 Neg-MMIOT-CL 的最优表示配置具有类内和类间的等角性质；当表示维度大于类别数减一时，这一性质对应 Neural Collapse。针对计算多边际最优传输方案成本较高的问题，研究还提出了计算效率更高的替代方法 Neg-IOT-CL-PushPull。
AI 根据报道生成 · 6 小时前更新
最新进展10月21日 12:00
Neg-MMIOT-CL：基于显式锚点-正样本-负样本耦合的多边际逆最优传输对比学习报道时间线
沿着报道，了解事件的不同侧面。
10月21日
- arXiv · Machine LearningNeg-MMIOT-CL：基于显式锚点-正样本-负样本耦合的多边际逆最优传输对比学习
研究提出多边际逆最优传输对比学习方法 Neg-MMIOT-CL，通过显式建模锚点-正样本-负样本三元组的全局 MMOT 耦合，缓解既有 OT 对比学习未利用负样本导致的维度坍缩。
本事件热度走势
- 可比范围当前
- 5
- 可比范围峰值
- 610月22日 09:00
- 近 24 小时变化
- –
0246
09:0010:0011:0012:0013:0014:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。