多线性核回归与流形学习中的插补
原文约200字,阅读约需1分钟。发表于: 。该论文介绍了一种新颖的非参数框架用于数据插值,称为多线性核回归和流形假设下的插值(MultiL-KRIM)。
该研究提出了一种无监督框架,用于寻找训练样例。该方法可用于预训练网络的无监督微调,表现出相似或更好的性能。
该论文介绍了一种新颖的非参数框架用于数据插值,称为多线性核回归和流形假设下的插值(MultiL-KRIM)。
该研究提出了一种无监督框架,用于寻找训练样例。该方法可用于预训练网络的无监督微调,表现出相似或更好的性能。