已知类何时及如何助力发现未知类？基于谱分析的可证明理解
机器学习
2023-08-10 v1
摘要
新类发现（NCD）旨在利用来自含已知类的标注集的先验知识，推断未标注集中的新类。尽管其十分重要，NCD 仍缺乏理论基础。本文通过提供一个分析框架来形式化并研究已知类何时及如何帮助发现新类，从而弥补这一缺口。针对 NCD 问题，我们引入了一种可由新颖的 NCD 谱对比损失（NSCL）学习的图论表示。最小化该目标等价于对图的邻接矩阵进行分解，这使我们能够推导可证明的误差界，并给出 NCD 的充要条件。在实证上，NSCL 在常用基准数据集上可匹敌或优于若干强基线，这使其在实现理论保证的同时对实际应用颇具吸引力。
引用
@article{arxiv.2308.05017,
title = {When and How Does Known Class Help Discover Unknown Ones? Provable Understanding Through Spectral Analysis},
author = {Yiyou Sun and Zhenmei Shi and Yingyu Liang and Yixuan Li},
journal= {arXiv preprint arXiv:2308.05017},
year = {2023}
}
备注
ICML 2023