会员服务
度量学习的目的为了衡量样本之间的相近程度，而这也正是模式识别的核心问题之一。大量的机器学习方法，比如K近邻、支持向量机、径向基函数网络等分类方法以及K-means聚类方法，还有一些基于图的方法，其性能好坏都主要有样本之间的相似度量方法的选择决定。 度量学习通常的目标是使同类样本之间的距离尽可能缩小，不同类样本之间的距离尽可能放大。
COMPILED: Deep Metric Learning for Defect Classification of Threaded Pipe Connections using Multichannel Partially Observed Functional Data
Arxiv
0+阅读 · 12月8日
Potential Field Based Deep Metric Learning
Arxiv
0+阅读 · 12月1日
Metric-DST: Mitigating Selection Bias Through Diversity-Guided Semi-Supervised Metric Learning
Arxiv
0+阅读 · 11月28日
Metric-DST: Mitigating Selection Bias Through Diversity-Guided Semi-Supervised Metric Learning
Arxiv
0+阅读 · 11月27日
State Chrono Representation for Enhancing Generalization in Reinforcement Learning
Arxiv
0+阅读 · 11月9日
Metric Learning for Tag Recommendation: Tackling Data Sparsity and Cold Start Issues
Arxiv
0+阅读 · 11月10日
DAAL: Density-Aware Adaptive Line Margin Loss for Multi-Modal Deep Metric Learning
Arxiv
0+阅读 · 11月5日
GSSF: Generalized Structural Sparse Function for Deep Cross-modal Metric Learning
Arxiv
0+阅读 · 10月20日
Audio-based Kinship Verification Using Age Domain Conversion
Arxiv
0+阅读 · 10月14日
Geometry-Aware Generative Autoencoders for Warped Riemannian Metric Learning and Generative Modeling on Data Manifolds
Arxiv
0+阅读 · 10月18日
Geometry-Aware Generative Autoencoders for Warped Riemannian Metric Learning and Generative Modeling on Data Manifolds
Arxiv
0+阅读 · 10月16日
Learning to Generate and Evaluate Fact-checking Explanations with Transformers
Arxiv
0+阅读 · 10月21日
PReP: Efficient context-based shape retrieval for missing parts
Arxiv
0+阅读 · 10月18日
Mixed-type Distance Shrinkage and Selection for Clustering via Kernel Metric Learning
Arxiv
0+阅读 · 10月11日
MARs: Multi-view Attention Regularizations for Patch-based Feature Recognition of Space Terrain
Arxiv
0+阅读 · 10月7日
参考链接
父主题
机器学习
微信扫码咨询专知VIP会员
Top