相关文章
【论文阅读】Deep Graph Contrastive Representation Learning
目录 0、基本信息1、研究动机2、创新点3、方法论3.1、整体框架及算法流程3.2、Corruption函数的具体实现3.2.1、删除边（RE）3.2.2、特征掩盖（MF） 3.3、[编码器](https://blog.csdn.net/qq_44426403/article/details/135443921)的设…
WHAT SHOULD NOT BE CONTRASTIVE IN CONTRASTIVE LEARNING
WHAT SHOULD NOT BE CONTRASTIVE IN CONTRASTIVE LEARNING
一、背景介绍：
现在的自监督对比学习方法，大多通过学习对不同的数据增强保持不变，从而学习到一个好的视觉表征。这里就隐含地假设了一组特定地表示不变性，(比如颜色不变性)，但是如果下游任务不满足这种假设条…
)
理解对比表示学习(Contrastive Learning)
目录 一、前言二、对比学习三、主要论文（附代码分析）1. AMDIM ([Bachman](https://arxiv.org/pdf/1906.00910.pdf) *et al.* 2019)2. SIMCLR ([Geoffrey Hinton](https://arxiv.org/pdf/2002.05709.pdf) *et al* 2020)3.MOCO ([Kaiming He](https://ieeexplore.ieee.org/docu…
论文精读|Knowledge Graph Contrastive Learning for Recommendation
论文精读|Knowledge Graph Contrastive Learning for Recommendation
论文连接：Knowledge Graph Contrastive Learning for Recommendation
注：本文只供作者本人记录使用，若有不足之处欢迎指出
1 摘要
知识图谱已经成功应用于推荐系统领域…
对比学习（Contrastive Learning）综述
作者丨光某人知乎（已授权） 来源丨https://zhuanlan.zhihu.com/p/346686467 编辑丨极市平台 A.引入 深度学习的成功往往依赖于海量数据的支持，其中对于数据的标记与否，可以分为监督学习和无监督学习。 1. 监督学习：技术…
Noise-contrastive estimation简介
Noise-contrastive estimation（NCE）是一种估计统计模型参数的方法。 基本思想是用非线性逻辑回归（nonlinear logistic regression）区分观测数据和一些人为产生的噪声数据，在区分的时候学习统计模型的参数。 作者证明该…
Contrastive Divergence
参考文献： [1] Training Products of Experts by Minimizing Contrastive Divergence [2] Training Restricted Boltzmann Machines using Approximations to the Likelihood Gradient [3]Training Products of Experts by Minimizing Contrastive Divergence阅读笔…
CLIP（Contrastive Language-Image Pre-training）
CLIP（Contrastive Language-Image Pre-training）是一种多模态预训练神经网络模型，由OpenAI在2021年初发布469。CLIP的核心创新在于其能够将图像和文本映射到一个共享的向量空间中，使得模型能够理解图像和文本之间的语义关系1。CLI…
对比表征学习（一）Contrastive Representation Learning
对比表征学习（二）Sentence Embedding 参考翁莉莲的Blog，本文主要聚焦于对比损失函数 对比表示学习（Contrastive Representation Learning）可以用来优化嵌入空间，使相似的数据靠近，不相似的数据拉…
Supervised Contrastive Learning
这篇文章非常有意思，在代表自监督领域的对比学习方法中提出了有监督的对比学习框架。
Introduction
交叉熵损失函数有缺乏对嘈杂标签鲁班性，差边距等缺点，但是很多替代方案始终不能泛用地替代它。此工作中提出了一种监督学习的损失，通过利用标签信息建立对比自监督信息。…
Contrastive Multiview Coding
文章目录 IntroductionMethodPredictive LearningContrastive Learning with Two Views距离函数的定义contrastive Learning with more than two viewsImplementation the Contrastive Lossexperiments代码分析Introduction codeing theory 的主要思想是：以自编码器或者生成器…
Graph Contrastive Learning with Augmentations
GraphCL学习笔记
Abstract
提出GNN对自监督学习和pre-training较少。本文提出了GraphCL框架，用于学习图的无监督表示。设计四种类型的数据增强，在不同的settings（learning rate，batch size，dropout参数）下…
一文搞定：自监督 对比学习 contrastive learning_contrastive learning enhanced intrusion detection
对比自监督学习 英文原文
对比自监督学习
导读
利用数据本身为算法提供监督。 对比自监督学习技术是一种很有前途的方法，它通过学习对使两种事物相似或不同的东西进行编码来构建表示。 自监督方法将取代深度学习中占主导地位的直接监督范式的预言已经存在了相当一…
Supervised Contrastive 损失函数详解
有什么不对的及时指出，共同学习进步。(●’◡’●)
有监督对比学习将自监督批量对比方法扩展到完全监督设置，能够有效地利用标签信息。属于同一类的点簇在嵌入空间中被拉到一起，同时将来自不同类的样本簇推开。这种损失显示出对自然损坏很稳…
CONTRASTIVE REPRESENTATION DISTILLATION
CONTRASTIVE REPRESENTATION DISTILLATION
我们常常希望将表征性知识从一个神经网络转移到另一个神经网络。这方面的例子包括将一个大型网络提炼成一个较小的网络，将知识从一种感觉模式转移到另一种感觉模式，或者将一系列模型集合成一个单一的估计器。知…
Contrastive Loss
Contrastive Loss 参考：https://zhuanlan.zhihu.com/p/35027284
对比损失函数，来自Yann LeCun的论文《Dimensionality Reduction by Learning an Invariant Mapping》，出发点：增大类间差异并且减小类内差异。
公式如下ÿ…
Contrastive Learning
文章目录 MoCo (CVPR20) \text{MoCo~(CVPR20)} MoCo (CVPR20) SimCLR (ICML20) \text{SimCLR~(ICML20)} SimCLR (ICML20) MoCo v2 \text{MoCo~v2} MoCo v2 Representation learning \text{Representation~learning} Representation learning 的目标是为输入样本 x x xÿ…
Deep Graph Contrastive Representation Learning
摘要
如今，图表示学习已成为分析图结构数据的基础。受最近成功的对比方法的启发，在本文中，我们提出了一种新的无监督图表示学习框架，该框架利用节点级别的对比目标。具体来说，我们通过破坏生成两个图视图，…
对比学习（contrastive learning）
什么是自监督学习？
举个通俗的例子：即使不记得物体究竟是什么样子，我们也可以在野外识别物体。
我们通过记住高阶特征并忽略微观层面的细节来做到这一点。那么，现在的问题是，我们能否构建不关注像素级细节࿰…
深度学习方法（十九）：一文理解Contrastive Loss，Triplet Loss，Focal Loss
文章目录 1. Contrastive Loss (对比loss)2. Triplet Loss（三元loss）3. Focal Loss[5]3.1 引申讨论：其他形式的Focal Loss 参考资料 本文记录一下三种常用的loss function：Contrastive Loss，Triplet Loss，F…