BriefGPT - AI 论文速递
·
自己混合你的一对
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文介绍了一种名为SupCR的框架，通过比较样本之间的目标距离来学习具有回归意识的表示，可以与现有回归模型组合以提高性能。实验证明，使用SupCR可以达到最先进的性能，并且在所有数据集、任务和输入模式上，始终提高了回归基线的性能。
🎯
关键要点
- 提出了一种名为Supervised Contrastive Regression（SupCR）的框架。
- SupCR通过比较样本之间的目标距离来学习具有回归意识的表示。
- 该框架可以与现有回归模型组合以提高性能。
- 在计算机视觉、人机交互和医疗保健等五个真实回归数据集上进行了实验证明。
- 使用SupCR可以达到最先进的性能，并提高回归基线的性能。
- SupCR改善了对数据损坏的鲁棒性。
- SupCR增强了对减少的训练数据的弹性。
- SupCR提高了奇异目标的学习泛化能力。
➡️
