Sleepedf

新框架通过对齐学习核函数用于多类贝叶斯分类

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。