跳到主要内容
检索

Tufts University

2 篇关联报道

订阅更新
  1. arXiv

    概率测度也能学稀疏字典：先做一次最优传输嵌入，训练就变成普通自编码器

    把概率测度先嵌入希尔伯特空间再学稀疏字典，训练从反复求解 Wasserstein 距离变成一次自编码器优化，在相同时间预算下重建误差比 Wasserstein 字典学习低约两到三个数量级。

    Tufts University
    Brendan Mallery（第一作者）
    线性化Wasserstein字典学习稀疏自编码器最优传输样本复杂度
  2. arXiv

    用视觉语言模型自身判断作唯一奖励，离线学出xenobot自然语言干预接口，留出指令准确率80.0%

    该工作把已有的干预-结果档案当作固定离线数据集，用视觉语言模型判断档案中的结果是否匹配自然语言描述，并以这一判断作为唯一训练奖励，为无神经系统的合成多细胞构造xenobot学出语言到干预的映射；该映射能泛化到全新指令，在训练时留出的档案数据上达到80.0%准确率，高于66.7%的随机基线，并与直接用真实标签训练的网络相当。

    University of VermontTufts University
    Nam H. Le（第一作者）
    语言到干预映射视觉语言模型离线学习异种机器人

已读完全部报道