随笔分类 - 文献阅读
摘要：Domain Agnostic Learning with Disentangled Representations 1. Introduction 本文研究了领域不可知论学习(DAL)，这是一个比较困难但实际的问题，即知识从一个标记的源领域转移到多个未标记的目标领域。领域不可知学习的主要挑战是:(
阅读全文
摘要：1 Introduction 最近的研究发现，DNNs倾向于以与人类不同的方式学习决策规则 [17, 21, 16]。例如，在基于ImageNet的图像分类任务中，卷积神经网络（CNNs）倾向于学习局部纹理以区分对象，而我们人类则可能使用全局对象形状的知识作为线索。DNNs学到的特征可能只属于特定的
阅读全文
摘要：Patient Subtyping via Time-Aware LSTM Networks 3.1.2 Time-Aware LSTM (T-LSTM). T-LSTM 被提出，以将经过时间的信息纳入标准 LSTM 架构中，从而能够捕捉具有时间不规则性的序列数据的时间动态。所提出的 T-LSTM
阅读全文
摘要：Anomaly detection with domain adaptation 3. Methodology Problem Statement 我们研究了在领域适应设置中的半监督异常检测问题。在训练阶段，学习算法可以访问 \(n\) 个数据点 \(\left\{\left(\boldsymbol
阅读全文
摘要：Anomaly Detection under Distribution Shift ICCV 2023 用于异常检测的无监督方法。 训练集仅使用source distribution的normal数据。 测试集使用source 和 target distribution的数据，包含normal和a
阅读全文
摘要：SelfReg: Self-supervised Contrastive Regularization for Domain Generalization 采用了自监督对比学习的方法，提出了Individualized In-batch Dissimilarity Loss和Heterogeneou
阅读全文
摘要：Domain generalization via feature variation decorrelation 3 METHOD 在本节中，我们首先在第3.2节解释我们的动机。然后，在第3.3节中，我们介绍特征变化的解缠和讨论方差转移的想法。最后，在第3.4节中，我们提出了我们的新颖特征变化解相
阅读全文
摘要：A unified model for multi-class anomaly detection 1 Introduction 现有方法[6, 11, 25, 27, 48, 49, 52]建议为不同类别的对象训练单独的模型，就像图1c中的情况一样。然而，这种一类一模型的方案可能会消耗大量内存，尤
阅读全文
摘要：Mean-Shifted Contrastive Loss for Anomaly Detection Abstract 这篇文章探讨了异常检测领域的一个关键问题，即如何通过使用预训练特征来提高异常检测性能。研究者首先介绍了异常检测的背景和现有方法，指出了使用自监督学习和外部数据集预训练特征的潜力。
阅读全文
摘要：PCL: Proxy-based Contrastive Learning for Domain Generalization abstract 领域泛化是指从不同源领域的集合中训练模型，该模型可以直接泛化到未见过的目标领域的问题。一种有前途的解决方案是对比学习，它试图通过利用不同领域之间的样本对之
阅读全文
摘要：Generalizing to Unseen Domains: A Survey on Domain Generalization 代码地址：https://github.com/jindongwang/transferlearning/tree/master/code/DeepDG I. Intr
阅读全文
摘要：Exact Feature Distribution Matching for Arbitrary Style Transfer and Domain Generalization 论文源码：https://github.com/YBZh/EFDM 1. Introduction 传统的特征分布匹配
阅读全文
摘要：devnet \[dev(x)=\frac{\phi(x;\Theta) - \mu_\mathcal{R}}{\sigma_\mathcal{R}}\\ L(\phi(x;\Theta),\mu_\mathcal{R},\sigma_\mathcal{R})=(1-y)|dev(x)|+y\max
阅读全文
摘要：ECOD: Unsupervised Outlier Detection Using Empirical Cumulative Distribution Functions Author：Zheng Li, Yue Zhao, Student Member Xiyang Hu, Nicola Bot
阅读全文
摘要：Anomaly detection via reverse distillation from one-class embedding Introduction 在知识蒸馏（KD）中，知识是在教师-学生（T-S）对中传递的。在无监督异常检测的背景下，由于学生在训练过程中只接触到正常样本，所以当查询是
阅读全文
摘要：Anomaly Detection with Score Distribution Discrimination 1 Introduction 如图1所示。Fig 1a~1c。这些方法基于学习到的输入数据的特征转换（如重构误差或embedding距离），生成异常分数。然而，在表示空间中的优化会导致数
阅读全文
摘要：Learning Semi-supervised Gaussian Mixture Models for Generalized Category Discovery Abstract 在本文中，我们解决了广义类别发现(generalized category discovery, GCD)的问题，
阅读全文
摘要：# Prototypical contrastive learning of unsupervised representations ## abstract 这篇论文介绍了原型对比学习（PCL），一种将对比学习与聚类相结合的无监督表示学习方法。PCL不仅为实例区分任务学习低层特征，更重要的是==*
阅读全文
摘要：Momentum contrast for unsupervised visual representation learning Introduction 我们提出了动量对比（MoCo）作为一种构建具有对比损失的无监督学习的大型一致字典的方法（图1）。 我们将字典维护为数据样本队列：当前mini-
阅读全文
摘要：参考资料： 1. [《Unsupervised Anomaly Detection by Robust Density Estimation》](https://ojs.aaai.org/index.php/AAAI/article/view/20328) 2. [维基百科-利普希茨连续](http
阅读全文
浙公网安备 33010602011771号