受控部分神经坍缩方法用于长尾识别
热点事件观察中
受控部分神经坍缩方法用于长尾识别
1 篇报道1 个报道来源2 天前更新
先了解这件事
AI 综述
Hyeontaek Hwang 等作者提出“受控部分神经坍缩”方法，用于长尾识别。该方法在骨干网络上通过两项协同控制实现：Class-Adaptive Sparse Activation（CASA）分类器和 ETF-constrained adaptive margin（ETF-AM）损失。 据作者描述，这两项控制让头部类沿 ETF 坍缩，同时让尾部类保留类内多样性，从而避免尾部被强制完全坍缩。报道未给出实验数据或效果验证。
AI 根据报道生成 · 1 天前更新
最新进展10月28日 12:00
完全坍缩并非最优：面向长尾识别的受控部分神经坍缩方法报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv cs.AI完全坍缩并非最优：面向长尾识别的受控部分神经坍缩方法
研究提出受控部分神经坍缩方法，通过 Class-Adaptive Sparse Activation（CASA）分类器与 ETF-constrained adaptive margin（ETF-AM）损失两项协同控制，让头部类沿 ETF 坍缩、尾部类保留类内多样性，避免尾部被强制完全坍缩。
本事件热度走势
- 可比范围当前
- 4
- 可比范围峰值
- 810月28日 22:00
- 近 24 小时变化
- -51%
02468
10月29日06:0012:0018:0010月30日
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。