在不依赖下游任务的情况下评估已学习表示的质量仍然是表示学习的挑战之一。在这项工作中,我们提出了几何成分分析(GeomCA)算法,基于其几何和拓扑性质评估表示空间。GeomCA可以应用于任何维度的表示,独立于生成它们的模型。我们通过分析从各种场景中获得的表示,如对比学习模型、生成模型和监督学习模型,证明了它的适用性。

https://www.zhuanzhi.ai/paper/efa6de0f034d485bbb30b2a45947ea18

成为VIP会员查看完整内容
14

相关内容

专知会员服务
18+阅读 · 2021年9月19日
专知会员服务
32+阅读 · 2021年9月7日
专知会员服务
38+阅读 · 2021年8月20日
专知会员服务
34+阅读 · 2021年8月19日
专知会员服务
31+阅读 · 2021年8月7日
专知会员服务
36+阅读 · 2021年7月17日
专知会员服务
31+阅读 · 2021年6月24日
专知会员服务
37+阅读 · 2021年6月3日
专知会员服务
21+阅读 · 2021年5月14日
专知会员服务
81+阅读 · 2021年5月10日
【ICML2021】低秩Sinkhorn 分解
专知
9+阅读 · 2021年8月20日
【ICML2021】因果匹配领域泛化
专知
12+阅读 · 2021年8月12日
【CVPR2021】跨模态检索的概率嵌入
专知
17+阅读 · 2021年3月2日
【AAAI2021】自监督对应学习的对比转换
专知
12+阅读 · 2020年12月11日
【NeurIPS2020 】数据扩充的图对比学习
专知
9+阅读 · 2020年11月9日
图数据表示学习综述论文
专知
52+阅读 · 2019年6月10日
Arxiv
0+阅读 · 2021年10月28日
GeomCA: Geometric Evaluation of Data Representations
Arxiv
11+阅读 · 2021年5月26日
Arxiv
126+阅读 · 2020年9月6日
Arxiv
3+阅读 · 2018年10月11日
Arxiv
4+阅读 · 2018年6月5日
Arxiv
3+阅读 · 2018年1月31日
VIP会员
相关VIP内容
专知会员服务
18+阅读 · 2021年9月19日
专知会员服务
32+阅读 · 2021年9月7日
专知会员服务
38+阅读 · 2021年8月20日
专知会员服务
34+阅读 · 2021年8月19日
专知会员服务
31+阅读 · 2021年8月7日
专知会员服务
36+阅读 · 2021年7月17日
专知会员服务
31+阅读 · 2021年6月24日
专知会员服务
37+阅读 · 2021年6月3日
专知会员服务
21+阅读 · 2021年5月14日
专知会员服务
81+阅读 · 2021年5月10日
相关资讯
【ICML2021】低秩Sinkhorn 分解
专知
9+阅读 · 2021年8月20日
【ICML2021】因果匹配领域泛化
专知
12+阅读 · 2021年8月12日
【CVPR2021】跨模态检索的概率嵌入
专知
17+阅读 · 2021年3月2日
【AAAI2021】自监督对应学习的对比转换
专知
12+阅读 · 2020年12月11日
【NeurIPS2020 】数据扩充的图对比学习
专知
9+阅读 · 2020年11月9日
图数据表示学习综述论文
专知
52+阅读 · 2019年6月10日
相关论文
Arxiv
0+阅读 · 2021年10月28日
GeomCA: Geometric Evaluation of Data Representations
Arxiv
11+阅读 · 2021年5月26日
Arxiv
126+阅读 · 2020年9月6日
Arxiv
3+阅读 · 2018年10月11日
Arxiv
4+阅读 · 2018年6月5日
Arxiv
3+阅读 · 2018年1月31日
微信扫码咨询专知VIP会员