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。
Towards Unbiased Cross-Modal Representation Learning for Food Image-to-Recipe Retrieval
Arxiv
0+阅读 · 1月6日
Neuronal Attention Circuit (NAC) for Representation Learning
Arxiv
0+阅读 · 1月6日
Point-SRA: Self-Representation Alignment for 3D Representation Learning
Arxiv
0+阅读 · 1月5日
Wave2Word: A Multimodal Transformer Framework for Joint EEG-Text Alignment and Multi-Task Representation Learning in Neurocritical Care
Arxiv
0+阅读 · 1月2日
Learning Speech Representations with Variational Predictive Coding
Arxiv
0+阅读 · 2025年12月31日
Disentangling Learning from Judgment: Representation Learning for Open Response Analytics
Arxiv
0+阅读 · 2025年12月30日
Collaborative Representation Learning for Alignment of Tactile, Language, and Vision Modalities
Arxiv
0+阅读 · 2025年12月31日
Improving Large Language Model Safety with Contrastive Representation Learning
Arxiv
0+阅读 · 2025年12月28日
Object-Centric Representation Learning for Enhanced 3D Scene Graph Prediction
Arxiv
0+阅读 · 2025年12月29日
Self-Supervised Skeleton-Based Action Representation Learning: A Benchmark and Beyond
Arxiv
0+阅读 · 2025年12月26日
Clustering with Communication: A Variational Framework for Single Cell Representation Learning
Arxiv
0+阅读 · 2025年12月26日
Learning Safe Autonomous Driving Policies Using Predictive Safety Representations
Arxiv
0+阅读 · 2025年12月23日
Learning Safe Autonomous Driving Policies Using Predictive Safety Representations
Arxiv
0+阅读 · 2025年12月19日
C3RL: Rethinking the Combination of Channel-independence and Channel-mixing from Representation Learning
Arxiv
0+阅读 · 2025年12月23日
Collaborative Representation Learning for Alignment of Tactile, Language, and Vision Modalities
Arxiv
0+阅读 · 2025年12月21日
参考链接
微信扫码咨询专知VIP会员
Top