实体
Maximilian Fleissner
Maximilian Fleissner
PulseAugur coverage of Maximilian Fleissner — every cluster mentioning Maximilian Fleissner across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
基于混合模型和数据相关界限的可解释聚类增强
研究人员提出了一种新颖的可解释聚类方法，专注于混合模型，以提供可解释性价格的数据相关界限。这项工作通过开发一种利用分布信息来改进聚类割的应用算法来完善现有分析。所提出的方法为具有亚指数尾的K-中位数聚类提供了新的上限和下限，并将这些保证扩展到核聚类。
-
自监督学习论文表明，池化增强优于数据划分
Maximilian Fleissner 在 arXiv 上发表的一篇新论文分析了自监督预训练方法的有效性，特别关注相关数据增强的池化。研究表明，尽管池化增强存在相互依赖性，但与将数据划分为独立子集相比，它能产生更好的统计估计误差界限。这种池化方法可以提高学习速度并降低估计方差，从而为实际自监督学习为何通常倾向于使用大量增强提供了新的见解。