算法公平性
《公平神经网络中的差异处理识别》
Michael Lohaus等研究者探讨了如何识别公平神经网络中的差异处理问题。
计算机视觉
《随机反向传播的深入研究》
Jun Fang等学者对随机反向传播方法进行了系统性分析。
《大规模点云的自监督预训练》
Zaiwei Zhang提出将大规模3D点云分割为M个占据体积，通过随机旋转和缩放生成增强视图，再采样得到全局和局部裁剪。
持续学习
《测量和减少NLP结构化预测中的模型更新回归》
Deng Cai团队研究了自然语言处理中的持续学习问题。
分布偏移
《迁移学习中的分布外泛化评估》
Florian Wenzel等设计了评估迁移学习泛化能力的新方法。
联邦学习
《自感知个性化联邦学习》
Huili Chen提出了考虑个体差异的联邦学习框架。
机器学习方法
《变分自编码器执行独立机制分析》
Patrik Reizinger等证明了VAE在独立机制分析中的有效性。
《对比学习为何需要大批量》
Changyou Chen从梯度偏差角度揭示了批量大小对对比学习的影响机制。
隐私保护
《多任务学习和边际查询的私有合成数据》
Giuseppe Vietri开发了保护隐私的数据合成技术。
表格数据
《通过邻域传播学习增强的表格数据表示》
Kounianhua Du创新性地将表格数据建模为超图，利用标签捕捉实例间关联。
更多精彩内容 请关注我的个人公众号 公众号（办公AI智能小助手）
公众号二维码
扫一扫
1006
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
