会员服务
在机器学习中，表征学习或表示学习是允许系统从原始数据中自动发现特征检测或分类所需的表示的一组技术。这取代了手动特征工程，并允许机器学习特征并使用它们执行特定任务。在有监督的表征学习中，使用标记的输入数据来学习特征，包括监督神经网络，多层感知器和（监督）字典学习。在无监督表征学习中，特征是与未标记的输入数据一起学习的，包括字典学习，独立成分分析，自动编码器，矩阵分解和各种形式的聚类。
Monotone Piecewise-Linear Harmonization of Multitemporal Multispectral Surface Reflectance With Unsupervised Deep Multiview Pseudoinvariant Features Learning
Arxiv
0+阅读 · 10月15日
Gradients for Interventions and Activations for Detection: Targeted Feature Learning in Language Models
Arxiv
0+阅读 · 9月26日
Latent-Action-Guided Video-Language Feature Learning for Surgical Instrument-Tissue Interaction Recognition
Arxiv
0+阅读 · 10月6日
A Spectral Theory of Grokking: Weight Decay induces Feature Learning
Arxiv
0+阅读 · 9月22日
A Compositional Kernel Model for Feature Learning
Arxiv
0+阅读 · 9月1日
SUFLECA: Scaling Up Feature Learning for CAD-to-image Alignment
Arxiv
0+阅读 · 8月28日
An Enhanced Geometric-Spectral Feature Learning Framework for Airborne Multispectral Point Cloud Classification
Arxiv
0+阅读 · 8月5日
Attention-Guided Efficientnet Architecture For Precise Criminal Identification in Surveillance Images
Arxiv
0+阅读 · 7月3日
Breaking Data Symmetry is Needed For Generalization in Feature Learning Kernels
Arxiv
0+阅读 · 6月24日
RECTOR: Masked Region-Channel-Temporal Modeling for Affective and Cognitive Representation Learning
Arxiv
0+阅读 · 6月13日
DiverseDiT: Towards Diverse Representation Learning in Diffusion Transformers
Arxiv
0+阅读 · 6月15日
Momentum-Guided Semantic Forecasting (MoFore) for Self-Supervised Video Representation Learning
Arxiv
0+阅读 · 6月8日
You Don't Need Strong Assumptions: Visual Representation Learning via Temporal Differences
Arxiv
0+阅读 · 6月14日
Inference-Time Decision Calibration for Temporal Classification
Arxiv
0+阅读 · 6月14日
Calibrated Multimodal Representation Learning with Missing Modalities
Arxiv
0+阅读 · 5月12日
参考链接
微信扫码咨询专知VIP会员
Top