会员服务
在机器学习中，表征学习或表示学习是允许系统从原始数据中自动发现特征检测或分类所需的表示的一组技术。这取代了手动特征工程，并允许机器学习特征并使用它们执行特定任务。在有监督的表征学习中，使用标记的输入数据来学习特征，包括监督神经网络，多层感知器和（监督）字典学习。在无监督表征学习中，特征是与未标记的输入数据一起学习的，包括字典学习，独立成分分析，自动编码器，矩阵分解和各种形式的聚类。
Marine Saliency Segmenter: Object-Focused Conditional Diffusion with Region-Level Semantic Knowledge Distillation
Arxiv
0+阅读 · 4月3日
Provable Guarantees for Nonlinear Feature Learning in Three-Layer Neural Networks
Arxiv
0+阅读 · 4月1日
Robust Feature Learning for Multi-Index Models in High Dimensions
Arxiv
0+阅读 · 3月27日
Structured IB: Improving Information Bottleneck with Structured Feature Learning
Arxiv
0+阅读 · 3月4日
Learning richness modulates equality reasoning in neural networks
Arxiv
0+阅读 · 3月12日
Global Convergence and Rich Feature Learning in $L$-Layer Infinite-Width Neural Networks under $μ$P Parametrization
Arxiv
0+阅读 · 3月12日
Coupling deep and handcrafted features to assess smile genuineness
Arxiv
0+阅读 · 3月20日
On the Feature Learning in Diffusion Models
Arxiv
0+阅读 · 3月3日
Text-Guided Image Invariant Feature Learning for Robust Image Watermarking
Arxiv
0+阅读 · 3月18日
CromSS: Cross-modal pre-training with noisy labels for remote sensing image segmentation
Arxiv
0+阅读 · 3月3日
Feature Learning beyond the Lazy-Rich Dichotomy: Insights from Representational Geometry
Arxiv
0+阅读 · 3月23日
Feature contamination: Neural networks learn uncorrelated features and fail to generalize
Arxiv
0+阅读 · 2月13日
From Kernels to Features: A Multi-Scale Adaptive Theory of Feature Learning
Arxiv
0+阅读 · 2月5日
Three Mechanisms of Feature Learning in a Linear Network
Arxiv
0+阅读 · 2月21日
MLPs at the EOC: Dynamics of Feature Learning
Arxiv
0+阅读 · 2月18日
参考链接
父主题
机器学习
数据挖掘
微信扫码咨询专知VIP会员
Top