已知类别如何帮助发现未知类别？通过谱分析的可证明理解
摘要：新颖的类别发现（NCD）旨在通过利用已知类别的标记集的先前知识来推断未标记集中的新颖类别。尽管其重要性，但是NCD缺乏理论基础。本文通过提供一个分析框架来填补这一空白，以形式化并研究已知类别如何帮助发现新颖类别的时间和方式。为了适应NCD问题，我们引入了一种图论表示，可以通过新颖的NCD光谱对比损失（NSCL）学习。最小化这个目标相当于分解图的邻接矩阵，这使我们能够推导出可证明的误差界限并提供NCD的充分和必要条件。实证上，NSCL在常见的基准数据集上可以与或胜过几个强基线，这对实际使用非常吸引人，同时享有理论保证。
作者：Yiyou Sun, Zhenmei Shi, Yingyu Liang, Yixuan Li
论文ID：2308.05017
分类：Machine Learning
分类简称：cs.LG
提交时间：2023-08-10