跳到正文
热点事件持续更新

研究提出可控部分神经坍缩长尾识别方法

1 篇报道1 个报道来源4 小时前更新

先了解这件事

AI 综述

Hyeontaek Hwang 等作者提出一种“可控部分神经坍缩”方法，用于长尾识别：在骨干网络上用类自适应稀疏激活（CASA）分类器和 ETF 约束自适应间隔（ETF-AM）损失这两个协同控制，让头部类沿 ETF 坍缩、尾部类保留类内多样性。 该方法的提出是为了应对长尾分布下头部类与尾部类样本量悬殊带来的识别困难；相关设计目前以论文形式给出，尚未见在公开基准上的效果数据。

AI 根据报道生成 · 4 小时前更新

最新进展11月4日 13:00
可控部分神经坍缩：面向长尾识别的 CASA 与 ETF-AM 方法

报道时间线

沿着报道，了解事件的不同侧面。

11月4日
  1. arXiv · cs.AI
    可控部分神经坍缩：面向长尾识别的 CASA 与 ETF-AM 方法

    研究提出可控部分神经坍缩方法，通过类自适应稀疏激活（CASA，Class-Adaptive Sparse Activation）分类器和 ETF 约束自适应间隔（ETF-AM，ETF-constrained Adaptive Margin）损失，让头部类沿 ETF 坍缩、尾部类保留类内多样性。

本事件热度走势

可比范围当前
9
可比范围峰值
1011月4日 14:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。