miniImageNet
PulseAugur coverage of miniImageNet — every cluster mentioning miniImageNet across labs, papers, and developer communities, ranked by signal.
-
Mamba-FSCIL：用于少样本类别增量学习的选择性状态空间模型
研究人员开发了Mamba-FSCIL，一种利用选择性状态空间模型（SSM）的少样本类别增量学习新方法。该方法通过采用输入依赖参数进行动态适应，解决了顺序学习中平衡静态和动态架构的挑战。Mamba-FSCIL引入了一个双选择性SSM投影仪来解耦基类和新类处理，以及一个类敏感选择性扫描机制，以在适应新类的同时最大限度地减少对现有知识的干扰。在miniImageNet和CIFAR-100等基准数据集上的实验表明，Mamba-FSCIL取得了…
-
新的AnomalyMatch框架使用AI发现稀有对象
研究人员开发了AnomalyMatch，一个用于在大型数据集中识别稀有对象的创新框架，在天文学和计算机视觉等标记数据稀缺的领域特别有用。该系统结合了半监督FixMatch算法和主动学习，利用EfficientNet分类器将异常检测视为二元分类问题。AnomalyMatch已集成到ESA Datalabs平台，并在天文和自然图像基准测试中表现出色，即使在初始标记数据很少的情况下也取得了很高的AUROC和AUPRC分数。其主动学习组件允许…
-
新算法提高了去中心化AI优化效率
研究人员开发了S$^3$LDBO，这是一种专为网络化AI系统中的去中心化双层优化设计的新算法。该算法使用快照机制，允许代理间歇性地跳过计算成本高昂的导数评估。目标是在保持具有竞争力的性能的同时，提高超参数优化和元学习等任务的效率。
-
XOResNet通过新颖的残差学习推动深度脉冲神经网络发展
研究人员开发了XOResNet，这是一种用于深度脉冲神经网络（SNNs）的新型架构，可提高学习和表示能力。该设计包含一个OR-ADD快捷连接，以更好地合并来自不同分支的输出，并利用XOR元残差来减少主干中的冗余学习。在多个数据集上的实验表明，XOResNet超越了当前最先进的深度SNNs，为高性能神经形态系统提供了新的见解。