算法公平性
《公平神经网络中的差异处理识别》
Michael Lohaus等研究者探讨了如何识别公平神经网络中的差异处理问题。
计算机视觉
《随机反向传播的深入研究》
Jun Fang等学者对随机反向传播方法进行了系统性分析。
《大规模点云的自监督预训练》
Zaiwei Zhang提出将大规模3D点云分割为M个占据体积，通过随机旋转和缩放生成增强视图，再采样得到全局和局部裁剪。
持续学习
《测量和减少NLP结构化预测中的模型更新回归》
Deng Cai团队研究了自然语言处理中的持续学习问题。
分布偏移
《迁移学习中的分布外泛化评估》
Florian Wenzel等设计了评估迁移学习泛化能力的新方法。
联邦学习
《自感知个性化联邦学习》
Huili Chen提出了考虑个体差异的联邦学习框架。
机器学习方法
《变分自编码器执行独立机制分析》
Patrik Reizinger等证明了VAE在独立机制分析中的有效性。
《对比学习为何需要大批量》
Changyou Chen从梯度偏差角度揭示了批量大小对对比学习的影响机制。
隐私保护
《多任务学习和边际查询的私有合成数据》
Giuseppe Vietri开发了保护隐私的数据合成技术。
表格数据
《通过邻域传播学习增强的表格数据表示》
Kounianhua Du创新性地将表格数据建模为超图，利用标签捕捉实例间关联。
更多精彩内容 请关注我的个人公众号 公众号（办公AI智能小助手）
