La fonctionnalité de recherche est en construction.
La fonctionnalité de recherche est en construction.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

A Semantic Similarity Supervised Autoencoder for Zero-Shot Learning Un encodeur automatique supervisé par similarité sémantique pour un apprentissage sans tir

Fengli SHEN, Zhe-Ming LU

  • Vues en texte intégral

    0

  • Citer

Résumé:

Cette Lettre propose un modèle d'auto-encodeur supervisé par similarité sémantique pour un apprentissage zéro-shot. Avec l'aide des vecteurs de similarité sémantique des classes visibles et invisibles et de la branche de classification, nos résultats expérimentaux sur deux ensembles de données sont 7.3 % et 4 % meilleurs que l'état de l'art sur l'apprentissage zéro-shot conventionnel en termes de moyenne. précision top-1.

Publication
IEICE TRANSACTIONS on Information Vol.E103-D No.6 pp.1419-1422
Date de publication
2020/06/01
Publicisé
2020/03/03
ISSN en ligne
1745-1361
DOI
10.1587/transinf.2019EDL8176
Type de manuscrit
LETTER
Catégories
Intelligence artificielle, exploration de données

Auteurs

Fengli SHEN
  Zhejiang University
Zhe-Ming LU
  Zhejiang University

Mots-clés

Table des matières