会员服务

Tree Edit Distance Learning via Adaptive Symbol Embeddings

2018 年 6 月 13 日 Arxiv Benjamin Paaßen,Claudio Gallicchio,Alessio Micheli,Barbara Hammer
登录查看更多
0

相关内容

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。
【SIGIR2020】学习词项区分性，Learning Term Discrimination
【SIGIR2020】学习词项区分性，Learning Term Discrimination
专知会员服务
15+阅读 · 2020年4月28日
强化学习的对比无监督表示，CURL: Contrastive Unsupervised Representations for Reinforcement Learning
强化学习的对比无监督表示，CURL: Contrastive Unsupervised Representations for Reinforcement Learning
专知会员服务
40+阅读 · 2020年4月11日
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
161+阅读 · 2020年3月18日
【Google新论文】Learning Transferable Graph Exploration 附论文下载
【Google新论文】Learning Transferable Graph Exploration 附论文下载
专知会员服务
6+阅读 · 2019年11月4日
【机器学习基础最新版】（Mathematics for Machine Learning），417页pdf
【机器学习基础最新版】（Mathematics for Machine Learning），417页pdf
专知会员服务
234+阅读 · 2019年10月21日
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
专知会员服务
45+阅读 · 2019年10月17日
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
专知会员服务
30+阅读 · 2019年10月17日
机器学习入门的经验与建议
机器学习入门的经验与建议
专知会员服务
89+阅读 · 2019年10月10日
【加州大学伯克利分校博士论文】通过自我监督预测学习泛化
【加州大学伯克利分校博士论文】通过自我监督预测学习泛化
专知会员服务
64+阅读 · 2019年10月9日
MIT新书《强化学习与最优控制》
MIT新书《强化学习与最优控制》
专知会员服务
270+阅读 · 2019年10月9日
Transferring Knowledge across Learning Processes
Transferring Knowledge across Learning Processes
CreateAMind
25+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
无监督元学习表示学习
无监督元学习表示学习
CreateAMind
25+阅读 · 2019年1月4日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
41+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
15+阅读 · 2018年12月24日
disentangled-representation-papers
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
条件GAN重大改进！cGANs with Projection Discriminator
条件GAN重大改进！cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
gan生成图像at 1024² 的 代码 论文
gan生成图像at 1024² 的 代码 论文
CreateAMind
4+阅读 · 2017年10月31日
【论文】图上的表示学习综述
【论文】图上的表示学习综述
机器学习研究会
12+阅读 · 2017年9月24日
Auto-Encoding GAN
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Evolving Losses for Unsupervised Video Representation Learning
Arxiv
23+阅读 · 2020年2月26日
Continual Unsupervised Representation Learning
Continual Unsupervised Representation Learning
Arxiv
7+阅读 · 2019年10月31日
MDE: Multi Distance Embeddings for Link Prediction in Knowledge Graphs
Arxiv
4+阅读 · 2019年5月29日
Few-shot Learning with Meta Metric Learners
Arxiv
13+阅读 · 2019年1月26日
Learning Embedding Adaptation for Few-Shot Learning
Learning Embedding Adaptation for Few-Shot Learning
Arxiv
16+阅读 · 2018年12月10日
Large Margin Few-Shot Learning
Arxiv
11+阅读 · 2018年7月8日
Unsupervised Meta-Learning for Reinforcement Learning
Arxiv
8+阅读 · 2018年6月12日
Deep Gaussian Embedding of Graphs: Unsupervised Inductive Learning via Ranking
Arxiv
5+阅读 · 2018年2月27日
One-shot and few-shot learning of word embeddings
Arxiv
5+阅读 · 2017年10月27日
Multi-Task Learning with Labeled and Unlabeled Tasks
Arxiv
3+阅读 · 2017年6月8日
VIP会员
相关主题
度量学习
学成
prototype
可约的
数据点
类别
计算学习理论
机器学习
相关VIP内容
【SIGIR2020】学习词项区分性，Learning Term Discrimination
【SIGIR2020】学习词项区分性，Learning Term Discrimination
专知会员服务
15+阅读 · 2020年4月28日
强化学习的对比无监督表示，CURL: Contrastive Unsupervised Representations for Reinforcement Learning
强化学习的对比无监督表示，CURL: Contrastive Unsupervised Representations for Reinforcement Learning
专知会员服务
40+阅读 · 2020年4月11日
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
161+阅读 · 2020年3月18日
【Google新论文】Learning Transferable Graph Exploration 附论文下载
【Google新论文】Learning Transferable Graph Exploration 附论文下载
专知会员服务
6+阅读 · 2019年11月4日
【机器学习基础最新版】（Mathematics for Machine Learning），417页pdf
【机器学习基础最新版】（Mathematics for Machine Learning），417页pdf
专知会员服务
234+阅读 · 2019年10月21日
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
专知会员服务
45+阅读 · 2019年10月17日
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
专知会员服务
30+阅读 · 2019年10月17日
机器学习入门的经验与建议
机器学习入门的经验与建议
专知会员服务
89+阅读 · 2019年10月10日
【加州大学伯克利分校博士论文】通过自我监督预测学习泛化
【加州大学伯克利分校博士论文】通过自我监督预测学习泛化
专知会员服务
64+阅读 · 2019年10月9日
MIT新书《强化学习与最优控制》
MIT新书《强化学习与最优控制》
专知会员服务
270+阅读 · 2019年10月9日
热门VIP内容
相关资讯
Transferring Knowledge across Learning Processes
Transferring Knowledge across Learning Processes
CreateAMind
25+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
无监督元学习表示学习
无监督元学习表示学习
CreateAMind
25+阅读 · 2019年1月4日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
41+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
15+阅读 · 2018年12月24日
disentangled-representation-papers
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
条件GAN重大改进！cGANs with Projection Discriminator
条件GAN重大改进！cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
gan生成图像at 1024² 的 代码 论文
gan生成图像at 1024² 的 代码 论文
CreateAMind
4+阅读 · 2017年10月31日
【论文】图上的表示学习综述
【论文】图上的表示学习综述
机器学习研究会
12+阅读 · 2017年9月24日
Auto-Encoding GAN
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
相关论文
Evolving Losses for Unsupervised Video Representation Learning
Arxiv
23+阅读 · 2020年2月26日
Continual Unsupervised Representation Learning
Continual Unsupervised Representation Learning
Arxiv
7+阅读 · 2019年10月31日
MDE: Multi Distance Embeddings for Link Prediction in Knowledge Graphs
Arxiv
4+阅读 · 2019年5月29日
Few-shot Learning with Meta Metric Learners
Arxiv
13+阅读 · 2019年1月26日
Learning Embedding Adaptation for Few-Shot Learning
Learning Embedding Adaptation for Few-Shot Learning
Arxiv
16+阅读 · 2018年12月10日
Large Margin Few-Shot Learning
Arxiv
11+阅读 · 2018年7月8日
Unsupervised Meta-Learning for Reinforcement Learning
Arxiv
8+阅读 · 2018年6月12日
Deep Gaussian Embedding of Graphs: Unsupervised Inductive Learning via Ranking
Arxiv
5+阅读 · 2018年2月27日
One-shot and few-shot learning of word embeddings
Arxiv
5+阅读 · 2017年10月27日
Multi-Task Learning with Labeled and Unlabeled Tasks
Arxiv
3+阅读 · 2017年6月8日
大家都在搜
  1. 无人艇
  2. MoE
  3. 无人地面车辆
  4. 生成式人工智能
  5. MIT博士论文
  6. 卡尔曼
  7. 精益管理体系
  8. TDGN
  9. 李清照词作
  10. 《Transformers 机器学习:深度探究》，284页pdf
    11.
Top
微信扫码咨询专知VIP会员
Top