对比学习与抽象概念:自然数的案例
原文中文,约300字,阅读约需1分钟。发表于: 。在这篇引导性研究中,我们将适当的守恒原则应用于半抽象的自然数概念,通过此方法可以对离散数量进行估计和预测。我们通过玩具问题的实验证明,对比学习可以在人类和超人类范围内高精度地进行一瞥计数,并将其与具有相似结构的监督学习神经网络模型进行比较。重要的是,我们证明了在一些样本分布不同的泛化场景中,对比学习表现出更强的鲁棒性和更好的错误性能。
本文研究了通过新的概率模型对比学习的有效修改,提出了联合对比学习(JCL)的特殊形式,具有更紧的约束条件。通过理论分析和实验验证,证明了JCL在搜索不变特征时的优势,并在多个基准测试中展示了对现有算法的显著改进。