IConE框架可防止自监督学习中的表示塌陷

研究人员推出了一种名为IConE的新型框架，旨在防止自监督学习中的表示塌陷，尤其是在小批量场景下。与依赖批次统计的现有方法不同，IConE利用一组全局辅助实例嵌入来维持多样性，即使在批量大小为一时也能实现稳定训练。该方法在各种生物医学数据模态中，尤其是在处理类别不平衡和小批量数据时，表现优于现有基线。 AI

影响 在资源受限环境和不平衡数据集下，实现更鲁棒的自监督学习。

排序理由 该集群包含一篇研究论文，详细介绍了一种新的自监督表示学习方法。

在 arXiv cs.LG 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Gotit.pub
• Hugging Face
• IConE
• Instance-Contrasted Embeddings
• Joint-Embedding Architectures
• Konstantinos Almpanakis
• ScienceCast

• 论文
• 其他

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