epoch 演化的高斯过程引导学习
机器学习
2024-03-13 v2 计算机视觉与模式识别
机器学习
摘要
本文提出一种称为 epoch 演化的高斯过程引导学习（GPGL）的新型学习方案，旨在刻画批级分布与全局数据分布间的相关性信息。此类相关性信息被编码为上下文标签，并需每个 epoch 更新。在上下文标签与真值标签的引导下，GPGL 方案通过以三角一致性损失更新模型参数提供更高效的优化。此外，我们的 GPGL 方案可进一步推广并自然应用于当前深度模型，在主流数据集（CIFAR-10、CIFAR-100 与 Tiny-ImageNet）上显著优于现有的基于批的最先进模型。
引用
@article{arxiv.2006.14347,
title = {Epoch-evolving Gaussian Process Guided Learning},
author = {Jiabao Cui and Xuewei Li and Bin Li and Hanbin Zhao and Bourahla Omar and Xi Li},
journal= {arXiv preprint arXiv:2006.14347},
year = {2024}
}