每日 Arxiv

本页面整理了世界各地发表的人工智能相关论文。
本页面使用 Google Gemini 汇总而成，并以非盈利为基础运营。
论文版权归作者及相关机构所有，分享时请注明出处。

自主感知聚类：当本地决策取代全局处方时

Created by
  • Haebom

作者

琥珀·斯里瓦斯塔瓦、萨拉尔·巴西里、斯里尼瓦萨·萨拉帕卡

大纲

本文探讨了自主实体的聚类问题。我们指出，现有的聚类方法未能充分考虑实体的自主性，并提出了一个融合强化学习 (RL) 和确定性退火 (DA) 的自主感知聚类框架。该框架使用自适应距离估计网络 (ADEN)（一种基于 Transformer 的注意力模型）来学习实体间依赖关系。该方法无需明确建模自主性，即可获得与现实世界数据动态高度相似的结果，显著优于忽略自主性的现有方法。

Takeaways, Limitations

•
Takeaways：
◦
我们提出了一种解决自主对象聚类问题的新方法。
◦
我们通过结合强化学习和确定性退火有效地模拟了自主性。
◦
ADEN 可实现灵活且自适应的距离估计。
◦
实验结果表明，所提出的方法明显优于忽略自主性的现有方法。
◦
我们通过公开代码和数据来提高可重复性。
•
Limitations：
◦
摘要中未指定有关具体 Limitations 的信息。
👍
Made with Slashpage