論文の概要: Supercm: Revisiting Clustering for Semi-Supervised Learning

• arxiv url: http://arxiv.org/abs/2506.23824v1
• Date: Mon, 30 Jun 2025 13:17:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-01 21:27:54.067524
• Title: Supercm: Revisiting Clustering for Semi-Supervised Learning
• Title（参考訳）: Supercm:セミスーパービジョンラーニングのためのクラスタリングの再検討
• Authors: Durgesh Singh, Ahcene Boubekki, Robert Jenssen, Michael C. Kampffmeyer,
• Abstract要約: 本研究では,半教師付き学習(SSL)の基盤となるクラスタリング仮定を明示的に取り入れた新しい手法を提案する。 我々は、アノテートされたデータを利用して、クラスタセントロイドの結果を単純なエンドツーエンドのトレーニング可能なディープSSLアプローチでガイドします。 提案したモデルでは,教師付きベースラインよりもパフォーマンスが向上し,他のSSLメソッドと組み合わせて,パフォーマンスをさらに向上させることができることを示す。
• 参考スコア（独自算出の注目度）: 12.324453023412142
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The development of semi-supervised learning (SSL) has in recent years largely focused on the development of new consistency regularization or entropy minimization approaches, often resulting in models with complex training strategies to obtain the desired results. In this work, we instead propose a novel approach that explicitly incorporates the underlying clustering assumption in SSL through extending a recently proposed differentiable clustering module. Leveraging annotated data to guide the cluster centroids results in a simple end-to-end trainable deep SSL approach. We demonstrate that the proposed model improves the performance over the supervised-only baseline and show that our framework can be used in conjunction with other SSL methods to further boost their performance.
• Abstract（参考訳）: 半教師付き学習(SSL)の開発は近年,新たな整合性正規化やエントロピー最小化アプローチの開発に重点を置いている。 そこで本研究では,最近提案された識別可能なクラスタリングモジュールを拡張して,SSLの基盤となるクラスタリング仮定を明示的に組み込んだ新しい手法を提案する。 クラスタセントロイドをガイドするために注釈付きデータを活用すると、単純なエンドツーエンドのトレーニング可能なディープSSLアプローチが得られる。 提案したモデルでは,教師付きベースラインよりもパフォーマンスが向上し,他のSSLメソッドと組み合わせて,パフォーマンスをさらに向上させることができることを示す。

関連論文リスト

• Revisiting Self-Supervised Heterogeneous Graph Learning from Spectral Clustering Perspective [52.662463893268225]
  自己教師付きヘテロジニアスグラフ学習(SHGL)は様々なシナリオにおいて有望な可能性を示している。 既存のSHGLメソッドには2つの大きな制限がある。 ランクと二重整合性制約によって強化された新しいフレームワークを導入する。
  論文  参考訳（メタデータ） (2024-12-01T09:33:20Z)
• End-to-end Learnable Clustering for Intent Learning in Recommendation [54.157784572994316]
  我々は、アンダーラインELCRecと呼ばれる新しい意図学習手法を提案する。 振る舞い表現学習をUnderlineEnd-to-end UnderlineLearnable UnderlineClusteringフレームワークに統合する。 1億3000万ページビューの産業レコメンデーションシステムに本手法をデプロイし,有望な結果を得る。
  論文  参考訳（メタデータ） (2024-01-11T15:22:55Z)
• SSLRec: A Self-Supervised Learning Framework for Recommendation [22.001376300511577]
  SSLRecは、さまざまなSSL強化レコメンデータを評価するための、標準化され、フレキシブルで包括的なフレームワークを提供する、新しいベンチマークプラットフォームである。 私たちのSSLRecプラットフォームは、さまざまなシナリオにわたる最先端のSSL強化レコメンデーションモデルを包括的にカバーしています。
  論文  参考訳（メタデータ） (2023-08-10T16:59:36Z)
• Effective Targeted Attacks for Adversarial Self-Supervised Learning [58.14233572578723]
  ラベル情報を持たないモデルにおいて堅牢性を達成する手段として、教師なしの敵訓練(AT)が強調されている。 本稿では,敵のSSLフレームワークを効果的に生成するために,敵の攻撃を標的とした新たな正のマイニングを提案する。 提案手法は,非コントラスト型SSLフレームワークに適用した場合のロバストネスの大幅な向上と,コントラスト型SSLフレームワークによるロバストネスの向上を示す。
  論文  参考訳（メタデータ） (2022-10-19T11:43:39Z)
• Revisiting Deep Semi-supervised Learning: An Empirical Distribution Alignment Framework and Its Generalization Bound [97.93945601881407]
  経験分布アライメントによる半教師あり学習(SLEDA)と呼ばれる深層半教師あり学習フレームワークを提案する。 ラベル付きデータに対するトレーニング誤差を最小化することにより,半教師付き学習の一般化誤差を効果的にバウンドできることを示す。 新しい枠組みと理論的境界に基づいて、Augmented Distribution Alignment Network(ADA-Net)と呼ばれるシンプルで効果的な深層半教師付き学習手法を開発した。
  論文  参考訳（メタデータ） (2022-03-13T11:59:52Z)
• Self-Supervised Learning of Graph Neural Networks: A Unified Review [50.71341657322391]
  ラベルなしサンプルを多用する新たなパラダイムとして,自己教師型学習が登場している。 SSLを用いたグラフニューラルネットワーク(GNNs)のトレーニング方法の統一レビューを提供します。 gnnに対するssl手法の処理は,様々な手法の類似性と相違に光を当て,新しい手法やアルゴリズムの開発段階を定めている。
  論文  参考訳（メタデータ） (2021-02-22T03:43:45Z)
• On Data-Augmentation and Consistency-Based Semi-Supervised Learning [77.57285768500225]
  最近提案された整合性に基づく半教師付き学習(SSL)手法は,複数のSSLタスクにおいて最先端技術である。 これらの進歩にもかかわらず、これらの手法の理解はまだ比較的限られている。
  論文  参考訳（メタデータ） (2021-01-18T10:12:31Z)
• Semi-supervised Learning via Conditional Rotation Angle Estimation [29.8660182824314]
  半教師付き学習(SemSL)と自己教師付き学習(SlfSL)を併用することを提案する。 このアイデアを単純だが効果的なSlfSLアプローチで実装することにより、条件回転角推定(CRAE)と呼ばれる新しいSemSLアプローチを作成する。
  論文  参考訳（メタデータ） (2020-01-09T07:06:20Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。