BriefGPT - AI 论文速递
·
MOKD: 通过最大化优化的核依赖进行跨域微调的少样本分类
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
本文提出了一种在跨领域少样本分类中学习表示的方法，通过构建度量空间来测量样本和类别原型之间的相似性，并通过双层优化框架提出了最大化优化核依赖性（MOKD）的方法。该方法能够学习与给定任务标记数据指示的聚类结构相匹配的类别特定表示。
🎯
关键要点
- 提出了一种在跨领域少样本分类中学习表示的方法。
- 通过构建度量空间来测量样本和类别原型之间的相似性。
- 提出了最大化优化核依赖性（MOKD）的方法。
- 该方法通过双层优化框架实现。
- 能够学习与给定任务标记数据指示的聚类结构相匹配的类别特定表示。
➡️
