会员服务
表示学习是通过利用训练数据来学习得到向量表示，这可以克服人工方法的局限性。 表示学习通常可分为两大类，无监督和有监督表示学习。大多数无监督表示学习方法利用自动编码器（如去噪自动编码器和稀疏自动编码器等）中的隐变量作为表示。 目前出现的变分自动编码器能够更好的容忍噪声和异常值。 然而，推断给定数据的潜在结构几乎是不可能的。 目前有一些近似推断的策略。 此外，一些无监督表示学习方法旨在近似某种特定的相似性度量。提出了一种无监督的相似性保持表示学习框架，该框架使用矩阵分解来保持成对的DTW相似性。 通过学习保持DTW的shaplets，即在转换后的空间中的欧式距离近似原始数据的真实DTW距离。有监督表示学习方法可以利用数据的标签信息，更好地捕获数据的语义结构。 孪生网络和三元组网络是目前两种比较流行的模型，它们的目标是最大化类别之间的距离并最小化了类别内部的距离。
A Latent Representation Learning Framework for Hyperspectral Image Emulation in Remote Sensing
Arxiv
0+阅读 · 6月22日
Segment-Level Mandarin Chinese Speech-Based Cognitive Impairment Detection via an Autoencoder with Contrastive Learning
Arxiv
0+阅读 · 6月22日
P-JEPA: Procedural Video Representation Learning via Joint Embedding Predictive Architecture
Arxiv
0+阅读 · 6月22日
Morphology-Aware Multimodal Representation Learning for Insect Phylogenetic Reconstruction
Arxiv
0+阅读 · 6月20日
Impact Analysis of Speech Representation Learning Models for Acoustic Side-Channel Attack
Arxiv
0+阅读 · 6月19日
Bridge the Gaps: Heterogeneous Attributed Graph Clustering via Quaternion Representation Learning
Arxiv
0+阅读 · 6月22日
Skeleton-to-Image Encoding: Enabling Skeleton Representation Learning via Vision-Pretrained Models
Arxiv
0+阅读 · 6月19日
Brain-Inspired Stochastic Joint Embedding Representation Learning
Arxiv
0+阅读 · 6月19日
Segment-Level Mandarin Chinese Speech-Based Cognitive Impairment Detection via an Autoencoder with Contrastive Learning
Arxiv
0+阅读 · 6月18日
3D-DLP: Self-Supervised 3D Object-Centric Scene Representation Learning
Arxiv
0+阅读 · 6月17日
Structured Representation Learning with Locally Linear Embeddings and Adaptive Feature Fusion
Arxiv
0+阅读 · 6月16日
Beyond Independent Genes: Learning Module-Inductive Representations for Single-Cell Gene Perturbation Prediction
Arxiv
0+阅读 · 6月16日
Equivariant Representation Learning via Class-Pose Decomposition
Arxiv
0+阅读 · 6月12日
OCSVM-Guided Representation Learning for Unsupervised Anomaly Detection
Arxiv
0+阅读 · 6月9日
MERIT: Learning Disentangled Music Representations for Audio Similarity
Arxiv
0+阅读 · 5月26日
参考链接
微信扫码咨询专知VIP会员
Top