Scidown文献预览系统!
单镜头和少镜头学习的高维可分性( High-Dimensional Separability for One- and Few-Shot Learning )
AN Gorban B Grechuk EM Mirkes SV Stasenko IY Tyukin
这项工作是由一个实际问题驱动的,人工智能(AI)错误的纠正。对一个大型AI系统进行系统的再训练几乎是不可能的。为了解决这一问题,开发了专用的外部装置--校正器。他们应该提供快速和非迭代的系统修复,而不修改遗留的AI系统。人工智能校正器的一个常见的通用部分是分类器,它应该将不希望的和错误的行为从正常的操作中分离出来。训练这样的分类器是一个巨大的挑战,在一次和少量的学习方法的核心。一短和少短方法的有效性是基于显著的维数减少或维数效应的加持。随机可分性是维数现象的一个福音,它允许一次或几次错误校正:在高维数据集中,在广泛的假设下,每个点可以通过简单和鲁棒的线性判别式从集合的其余部分中分离出来。引入了数据论域的层次结构,其中每个数据簇都有一个粒度内部结构等,建立并证明了具有细粒度结构的数据分布的新的随机分离定理。在模式紧嵌入到数据空间的假设下,证明了无限维极限中的分离定理。提出了人工智能系统的新型多校正器,并举例说明了用深度卷积神经网络预测误差和学习新类对象的方法。
『Sci-Hub|Scidown』怎么用?来看看教程吧!

支持模式 1.支持DOI号 2.支持英文文献全名搜索 3.支持参考文献搜索 4.知网文献(暂时关闭)


安卓手机、电脑用户,您可以在QQ浏览器里输入 www.scidown.cn 打开scidown解析,就可以解析、下载了!(注意是文献的DOI号)


苹果手机用户,您需要先在App Store里搜索并下载 Documents by Readdle 这个APP,在APP首页,左划右下角的指南针图标打开APP内置浏览器,在浏览器里输入 www.scidown.cn 打开scidown解析,就可以解析、下载了!


如出现BUG?赶快加入【Scidown互助交流群】反馈吧:729083885【点击一键加群】