图 2 Flickr 数据集结果对比
总结在本文中提出了一种基于增强型正则化框架的多模式哈希函数学习的新方法 。 由于优化问题的目标函数是凸函数之差的形式 ， 因此设计一种基于 CCCP 和随机次梯度法的高效学习算法 。 基于两个基准数据集的比较研究表明 ， CRH 优于两种最新的多模式散列方法 。 为了进一步开展这项工作 ， 我们希望对 CRH 进行理论分析 ， 并将其应用于其他任务 。 未来将开发更有效的优化算法 ， 以进一步提高 CRH 的可伸缩性 。
致谢本文由南京大学软件学院 2020 级硕士生倪烨翻译转述 。
这项研究得到了香港研究资助局的普通研究基金 621310 的支持 。

• 央视|海南废止15件妨碍统一市场和公平竞争文件
• 指数债券|美债收益率曲线的陡平之辨：基于供需视角的分析
• 青年|霍利菲尔德点评梅威瑟：从来都不是最伟大冠军，从未统一过某级别
• 投资|老周侃股：统一涨跌幅将终结创业板投机之风
• 投机|老周侃股：统一涨跌幅将终结创业板投机之风
• 主板|老周侃股：统一涨跌幅将终结创业板投机之风
• 津爱改装车|还在手打消息，流程审批？看看这款工具
• 三好先森|基于JeecgBoot快速开发简历库系统，开源项目，实操分享
• 津爱改装车|亚马逊CEO贝佐斯如何识人、留人与管人
• 人走茶凉|API统一、干净，新型EagerPy实现多框架无缝衔接