xxai

摘要： 论文信息 论文标题：Do We Need Zero Training Loss After Achieving Zero Training Error?论文作者：Takashi Ishida, I. Yamane, Tomoya Sakai, Gang Niu, M. Sugiyama论文来源：20 阅读全文

摘要： 论文信息 论文标题：Explaining and Harnessing Adversarial Examples论文作者：Ian J. Goodfellow, Jonathon Shlens, Christian Szegedy论文来源：ICLR 2015论文地址：download 论文代码：dow 阅读全文

摘要： 论文信息 论文标题：Generalized Domain Adaptation with Covariate and Label Shift CO-ALignment论文作者：Shuhan Tan, Xingchao Peng, Kate Saenko论文来源：ICLR 2020论文地址：downl 阅读全文

摘要： KL 散度，又叫相对熵，用于衡量两个分布之间的距离。设 $p(x)$, $q(x)$ 是关于随机变量 $x$ 的两个分布，则 $p$ 相对于 $q$ 的 KL 散度为: $D_{K L}(p \| q)=E_{p(x)} \log \frac{p(x)}{q(x)}$ 信息论中，熵 $H(P)$ 表 阅读全文

摘要： 论文信息 论文标题：Automatically discovering and learning new visual categories with ranking statistics论文作者：K. Han, Sylvestre-Alvise Rebuffi, Sébastien Ehrhard 阅读全文

该文被密码保护。 阅读全文

摘要： 论文信息 论文标题：Semi-Supervised Learning of Visual Features by Non-Parametrically Predicting View Assignments with Support Samples论文作者：Mahmoud Assran, Mathi 阅读全文

摘要： 如果温度系数设的越大，logits 分布变得越平滑，那么对比损失会对所有的负样本一视同仁，导致模型学习没有轻重。如果温度系数设的过小，则模型会越关注特别困难的负样本，但其实那些负样本很可能是潜在的正样本，这样会导致模型很难收敛或者泛化能力差。 阅读全文

摘要： 论文信息 论文标题：Adversarial training methods for semi-supervised text classification论文作者：Taekyung Kim论文来源：ICLR 2017论文地址：download 论文代码：download视屏讲解：click 1 背 阅读全文

摘要： 论文信息 论文标题：Cluster-Guided Semi-Supervised Domain Adaptation for Imbalanced Medical Image Classification论文作者：S. Harada, Ryoma Bise, Kengo Araki论文来源：ArXi 阅读全文