★ 2
双曲表示学习的隐式偏差理论分析
论文研究双曲空间中固定类原型多分类任务的黎曼梯度流隐式偏差，提出基于Busemann函数的分解框架。证明半径漂移系数符号决定轨迹趋向理想边界还是回归内部，且边界方向收敛到Busemann风险的临界点。为双曲表示学习中的边界饱和与近边界聚类现象提供严格渐近解释。
arXiv cs.LG26 天前
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文研究双曲空间中固定类原型多分类任务的黎曼梯度流隐式偏差，提出基于Busemann函数的分解框架。证明半径漂移系数符号决定轨迹趋向理想边界还是回归内部，且边界方向收敛到Busemann风险的临界点。为双曲表示学习中的边界饱和与近边界聚类现象提供严格渐近解释。
论文针对嵌入式特征加权方法难以刻画标签专属关系的缺陷，提出特征选择层的多种扩展，并实验选出最有效方案。结果显示该方法在识别全局相关特征上与现有方法持平，在捕捉标签专属相关性上更优，且无需训练后额外处理。