标签
MABLE将掩码重建与余弦相似度损失相结合，从大型异构图中学习节点和图嵌入，在地球空间矿产勘探数据上进行了演示。它在一个无需标注数据的自监督框架中统一了掩码自编码和度量学习。
本文介绍了卡尔曼原型网络（KPN），一种用于联合循环燃气轮机故障检测的少样本学习框架。KPN将类原型建模为潜在随机状态以降低方差，并在模拟泄漏检测任务上优于传统方法。
SAGA框架利用冻结的多模态大语言模型，通过分组相对策略优化为视觉编码器提供属性感知监督，在细粒度基准上将零样本图像检索性能提升3-6个百分点。