新方法通过几何集和覆盖保证增强对比学习

研究人员开发了一种名为对比式共形集（Contrastive Conformal Sets）的新方法，通过在语义特征空间中构建具有无分布保证的几何集来增强对比学习。该方法将共形预测扩展到确保用户指定的阳性样本覆盖率，同时最大化排除阴性样本。该方法在理论上以最小化体积作为排除阴性样本的代理，并在图像数据集的实验中证明了包含-排除权衡的改进。 AI

影响 该方法可以提高机器学习应用中特征嵌入的精度和可靠性。

排序理由 这是一篇详细介绍对比学习新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 阅读 →

• alphaXiv
• arXiv
• CatalyzeX Code Finder for Papers
• Connected Papers
• Contrastive Conformal Sets
• CORE Recommender
• DagsHub
• Gotit.pub
• Hugging Face
• IArxiv Recommender
• Litmaps
• ScienceCast
• scite Smart Citations
• Yahya Alkhatib

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →