研究人员开发了一种新的多类贝叶斯分类框架,通过对齐学习核函数,超越了传统预选核函数的方法。该方法称为协同学习与推理(CLaI),训练一个嵌入以匹配由标签导出的目标核函数。该框架已扩展到包含学习到的马氏距离,与基于余弦相似度的变体相比,在CIFAR-10和PathMNIST等数据集上提高了准确性、收敛速度和校准误差。该方法统一了表示学习、核函数对齐和贝叶斯分类,有望用于各种分类任务。 AI
影响 该框架统一了表示学习、核函数对齐和贝叶斯分类,有望提高多类分类性能。
排序理由 该条目是一篇学术论文,详细介绍了一个新的机器学习框架。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX Code Finder for Papers
- CIFAR-10
- Collaborative Learning and Inference
- CORE Recommender
- DagsHub
- Gaussian process
- Gotit.pub
- Hugging Face
- IArxiv Recommender
- Influence Flower
- PathMNIST
- ScienceCast
- SleepEDF
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →