Buchumschlag

Leveraging Superfluous Information in Contrastive Representation Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Yu, Xuechu
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Guiding not Forcing: Enhancing the Transferability of Jailbreaking Attacks on LLMs via Removing Superfluous Constraints
von: Yang, Junxiao, et al.
Veröffentlicht: (2025)

EMOD: A Unified EEG Emotion Representation Framework Leveraging V-A Guided Contrastive Learning
von: Chen, Yuning, et al.
Veröffentlicht: (2025)

Contrastive Graph Representation Learning with Adversarial Cross-view Reconstruction and Information Bottleneck
von: Shou, Yuntao, et al.
Veröffentlicht: (2024)

Contrastive Learning Via Equivariant Representation
von: Song, Sifan, et al.
Veröffentlicht: (2024)

Contrastive Representation for Data Filtering in Cross-Domain Offline Reinforcement Learning
von: Wen, Xiaoyu, et al.
Veröffentlicht: (2024)

Enhance Exploration in Safe Reinforcement Learning with Contrastive Representation Learning
von: Doan, Duc Kien, et al.
Veröffentlicht: (2025)

Learning Representations in Video Game Agents with Supervised Contrastive Imitation Learning
von: Celemin, Carlos, et al.
Veröffentlicht: (2025)

EquiAV: Leveraging Equivariance for Audio-Visual Contrastive Learning
von: Kim, Jongsuk, et al.
Veröffentlicht: (2024)

Leveraging Multi-facet Paths for Heterogeneous Graph Representation Learning
von: Kim, Jongwoo, et al.
Veröffentlicht: (2024)

Leveraging Manifold Embeddings for Enhanced Graph Transformer Representations and Learning
von: Jyothish, Ankit, et al.
Veröffentlicht: (2025)

ARC: Leveraging Compositional Representations for Cross-Problem Learning on VRPs
von: Jeong, Han-Seul, et al.
Veröffentlicht: (2025)

Time Series Representation Learning with Supervised Contrastive Temporal Transformer
von: Liu, Yuansan, et al.
Veröffentlicht: (2024)

Contrastive Representations for Temporal Reasoning
von: Ziarko, Alicja, et al.
Veröffentlicht: (2025)

DConAD: A Differencing-based Contrastive Representation Learning Framework for Time Series Anomaly Detection
von: Zhang, Wenxin, et al.
Veröffentlicht: (2025)

Subgraph Gaussian Embedding Contrast for Self-Supervised Graph Representation Learning
von: Xie, Shifeng, et al.
Veröffentlicht: (2025)

Contrastive Reasoning Alignment: Reinforcement Learning from Hidden Representations
von: Luo, Haozheng, et al.
Veröffentlicht: (2026)

HTG-GCL: Leveraging Hierarchical Topological Granularity from Cellular Complexes for Graph Contrastive Learning
von: Ji, Qirui, et al.
Veröffentlicht: (2025)

Myna: Masking-Based Contrastive Learning of Musical Representations
von: Yonay, Ori, et al.
Veröffentlicht: (2025)

AudioMosaic: Contrastive Masked Audio Representation Learning
von: Huang, Hanxun, et al.
Veröffentlicht: (2026)

S$^2$Drug: Bridging Protein Sequence and 3D Structure in Contrastive Representation Learning for Virtual Screening
von: He, Bowei, et al.
Veröffentlicht: (2025)

Multimodal Physiological Signals Representation Learning via Multiscale Contrasting for Depression Recognition
von: Shao, Kai, et al.
Veröffentlicht: (2024)

Spectral Disentanglement and Enhancement: A Dual-domain Contrastive Framework for Representation Learning
von: Guo, Jinjin, et al.
Veröffentlicht: (2026)

MobiCLR: Mobility Time Series Contrastive Learning for Urban Region Representations
von: Kim, Namwoo, et al.
Veröffentlicht: (2025)

Domain Knowledge is Power: Leveraging Physiological Priors for Self Supervised Representation Learning in Electrocardiography
von: Maghsoodi, Nooshin, et al.
Veröffentlicht: (2025)

GRE^2-MDCL: Graph Representation Embedding Enhanced via Multidimensional Contrastive Learning
von: Fan, Kaizhe, et al.
Veröffentlicht: (2024)

Spatial-Temporal Cross-View Contrastive Pre-training for Check-in Sequence Representation Learning
von: Gong, Letian, et al.
Veröffentlicht: (2024)

Decipher the Modality Gap in Multimodal Contrastive Learning: From Convergent Representations to Pairwise Alignment
von: Yi, Lingjie, et al.
Veröffentlicht: (2025)

Learning Robust Representations for Malicious Content Detection via Contrastive Sampling and Uncertainty Estimation
von: Hossain, Elias, et al.
Veröffentlicht: (2025)

LInK: Learning Joint Representations of Design and Performance Spaces through Contrastive Learning for Mechanism Synthesis
von: Nobari, Amin Heyrani, et al.
Veröffentlicht: (2024)

Learning Human-Aligned Representations with Contrastive Learning and Generative Similarity
von: Marjieh, Raja, et al.
Veröffentlicht: (2024)

Towards Performance-Enhanced Model-Contrastive Federated Learning using Historical Information in Heterogeneous Scenarios
von: Zhang, Hongliang, et al.
Veröffentlicht: (2026)

Frequency-Masked Embedding Inference: A Non-Contrastive Approach for Time Series Representation Learning
von: Fu, En, et al.
Veröffentlicht: (2024)

TACENR: Task-Agnostic Contrastive Explanations for Node Representations
von: Papanikou, Vasiliki, et al.
Veröffentlicht: (2026)

Subgraph Networks Based Contrastive Learning
von: Wang, Jinhuan, et al.
Veröffentlicht: (2023)

Learning Repetition-Invariant Representations for Polymer Informatics
von: Zhu, Yihan, et al.
Veröffentlicht: (2025)

LEAVES: Learning Views for Time-Series Biobehavioral Data in Contrastive Learning
von: Yu, Han, et al.
Veröffentlicht: (2022)

Structure-Aware Contrastive Learning with Fine-Grained Binding Representations for Drug Discovery
von: Lan, Jing, et al.
Veröffentlicht: (2025)

Contrastive Representation Learning Helps Cross-institutional Knowledge Transfer: A Study in Pediatric Ventilation Management
von: Liu, Yuxuan, et al.
Veröffentlicht: (2025)

UniCorn: A Unified Contrastive Learning Approach for Multi-view Molecular Representation Learning
von: Feng, Shikun, et al.
Veröffentlicht: (2024)

Improving Node Representation by Boosting Target-Aware Contrastive Loss
von: Lin, Ying-Chun, et al.
Veröffentlicht: (2024)