Полная коллапса является субоптимальной: контролируемая частичная нейронная оболочка для долгосрочного признания

arXiv: 261 0,36460v 1 Annuales Type: новый резюме: последние методы долгосрочного распознавания (LTR) включают нейронный коллапс (NC) и привязывают характеристики к фиксированной равновидной системе траектории (ETF), как однородную цель для всех классов. Вместе с тем принуждение к полному краху хвостовых классов приводит к перекосам в их образцах и ослабляет процесс обобщения. Для решения этой проблемы мы предлагаем контролируемое частичное нейронное коллапсирование, которое будет достигнуто с помощью двух согласованных мер контроля на позвоночнике: классообразующий активация паров (КАСА) и потеря адаптивной маржи ETF (ETF-AM). Вместо того чтобы навязывать единообразное полное коллапс, этот режим позволяет классам голов рухнуть вдоль ETF, тогда как хвостовые классы сохраняют разнообразие в рамках класса. Это предотвращает полное коллапсирование хвоста, что не является оптимальным при дисбалансе. Чтобы установить размерность коллапса, CASA стимулирует специализацию классового узла посредством катания с учетом особенностей, так чтобы классы хвостов занимали свои собственные направления. Для c