实体
Variational Information Bottleneck for Semi-Supervised Classification
Variational Information Bottleneck for Semi-Supervised Classification
PulseAugur coverage of Variational Information Bottleneck for Semi-Supervised Classification — every cluster mentioning Variational Information Bottleneck for Semi-Supervised Classification across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
新的UG-UMRE框架增强了多模态关系抽取
研究人员开发了一个名为UG-UMRE的新框架，以改进统一多模态关系抽取（UMRE）。该方法解决了由固有不确定性引起的噪声传播问题以及不同模态分布之间的异质性问题。UG-UMRE包含一个不确定性驱动的单模态增强（UDUA）模块，该模块将特征建模为高斯分布，并使用自监督对比学习来过滤噪声。此外，一个联合随机不确定性对齐（JAUA）模块通过将跨模态的统计属性对齐到一个共享的潜在空间来预先校准语义。在基准数据集上的实验表明，UG-UMRE达到…
-
受限赫布学习优化神经网络效率
研究人员开发了一种名为受限赫布学习（CHL）的新学习规则，旨在优化神经网络在结构约束下的表征效率。与传统的反向传播不同，CHL侧重于成本效益权衡，在保持功能性能的同时保留较少的输入信息。这种方法尤其适用于资源有限的生物系统，表明赫布学习在突触资源分配中的作用，而不仅仅是最大化准确性。
-
新的VIB-AVSR方法增强了基于大语言模型的语音识别在嘈杂条件下的性能
研究人员推出了一种名为VIB-AVSR的新方法，用于增强视听语音识别模型。该方法将变分信息瓶颈层集成到大语言模型骨干中，以提高在嘈杂音频条件下的鲁棒性。VIB-AVSR旨在稳定表示，而无需更改模型架构或额外训练数据，并在各种噪声级别和类型下展示了更少的性能下降。