半监督学习

人工智能技术基础 复习用

A.机器学习的目标需求更注重于解决具体的问题B.机器学习的类型可分为有监督、无监督和半监督学习C.半监督学习使用的训练资料
kiro_1023·2022-12-11 19:15

论文解读6——Semi-Supervised Classification With Graph Convolutional Networks（GCN）

发现了这篇关于图卷积的文献，初读的时候发现里面涉及了很多没学过的数学理论，于是又去恶补了一下度矩阵、邻接矩阵、拉普拉斯矩阵、图傅里叶变换、谱图理论到底是什么东西，把能看懂的部分整理如下1、文章贡献提出了一种基于图结构的半监督学习方法
对流层的酱猪肘·2022-12-09 11:27

【图卷积网络】Semi-Supervised Classification with Graph Convolutional Networks

：Semi-SupervisedClassificationwithGraphConvolutionalNetworks代码：TensorFlow、PyTorch摘要我们提出了一种基于图的结构化数据的半监督学习的可扩展方法
gkm0120·2022-12-09 11:56

论文笔记--Semi-Supervised Classification with Graph Convolutional Networks（GCN）

Semi-SupervisedClassificationwithGraphConvolutionalNetworksGCN，将卷积扩展到图结构的数据中，能够得到比较好的数据表示，并且在半监督任务中取得了不错的效果半监督学习
冰羽vee9·2022-12-09 11:17

【论文阅读】SEMI-SUPERVISED CLASSIFICATION WITH GRAPH CONVOLUTIONAL NETWORKS

SEMI-SUPERVISEDCLASSIFICATIONWITHGRAPHCONVOLUTIONALNETWORKS（基于图卷积网络的半监督分类）摘要1导言2图上的快速近似卷积2.1谱图卷积2.2分层线性模型3半监督节点分类3.1例子3.2实现4相关工作4.1基于图的半监督学习
Cziun·2022-12-09 11:15

Semi-Supervised Classification with Graph Convolutional Networks

Semi-SupervisedClassificationwithGraphConvolutionalNetworks,ICLR,2017要点：1、可扩展的半监督学习方法2、基于卷积神经网络的有效变体，
nightluo·2022-12-09 11:13

深度学习 zuoye4

testing_data.txttraining_label.txt：有label的trainingdata(句子配上0or1)training_nolabel.txt：沒有label的trainingdata(只有句子)，用来做半监督学习
阿里发发·2022-12-08 22:21

在机器学习领域，主要有哪三类不同的学习方法

主要有三类不同的学习方法：监督学习(Supervisedlearning)、非监督学习(Unsupervisedlearning)、半监督学习(Semi-supervisedlearning)。
duozhishidai·2022-12-08 12:39

关系抽取

实现的算法关系抽取从实现的算法来看，主要分为四种：1、手写规则（Hand-WrittenPatterns）；2、监督学习算法（SupervisedMachineLearning）；3、半监督学习算法（Semi-SupervisedLe
wxc_Huang·2022-12-08 04:17

深度学习异常检测_深度few-shot异常检测

入门,利用一些标记的异常实例执行异常通知的异常检测由于缺乏大规模的标记异常数据，现有的(深度或浅度)异常检测方法通常被设计为无监督学习(针对完全未标记的数据进行训练)或半监督学习(针对仅标记的正常数据进行训练
Bin Ho·2022-12-07 23:54

机器学习基本知识（1）

半监督学习任务：用大量的未标记训练数据
机器猫001·2022-12-07 13:34

机器学习sklearn-支持向量机

支持向量机SVM支持向量网络可以做有监督学习、无监督学习、半监督学习监督学习：线性二分类与多分类、非线性二分类与多分类、普通连续性变量的回归、概率型连续变量的回归支持向量机深度学习之外机器学习的天花板存在
yzy_1117·2022-12-07 13:54

全方位学习Omni-supervised learning

Omni-supervisedlearning:全方位学习：一种特殊的半监督学习Omni-supervisedlearning，利用所有可利用的训练数据，包括标记和未标记的。
NANCYGOODENOUGH·2022-12-06 12:40

05.数据的深度分析（数据挖掘、机器学习）--《数据科学概论》

（3）机器学习的目的（4）机器学习的基本过程（5）监督、非监督、半监督学习二、具体的机器学习算法2.1决策树（1）决策树构造过程（2）决策树的裁剪2.2聚
Sandy_Star·2022-12-06 06:33

人工智能研究的新前线：生成式对抗网络

其突出的生成能力不仅可用于生成各类图像和自然语言数据，还启发和推动了各类半监督学习和无监督学习任务的发展。
人工智能学家·2022-12-06 06:26

文本半监督学习基础模型理解及UDA模型代码目录

2021SC@SDUSC半监督学习有两个样本集,一个有标记,一个没有标记.分别记作Lable={(xi,yi)},Unlabled={(xi)}.并且数量上,L<
brave_Wei·2022-12-05 09:49

第二次作业:深度学习基础

然后讲解了机器学习的定义,即计算机系统能够利用经验提高自身的性能，将机器学习分为三个主要部分:模型、策略和算法,讲解了半监督学习、监督学习、无监督学习和强化学习的特征。比较了参数模型和无参数模型。
qq_52390277·2022-12-04 19:54

半监督生成对抗网络（SGAN）matlab实战

一、原理半监督学习(semi-supervisedlearning)是GAN在实际应用中最有前途的领域之一，与监督学习（数据集中的每个样本有一个标签）和无监督学习（不使用任何标签）不同，半监督学习只为训练数据集的一小部分提供类别标签
matlab数学建模加油站+·2022-12-04 13:21

半监督生成对抗网络（SGAN）matlab实战

一、原理半监督学习(semi-supervisedlearning)是GAN在实际应用中最有前途的领域之一，与监督学习（数据集中的每个样本有一个标签）和无监督学习（不使用任何标签）不同，半监督学习只为训练数据集的一小部分提供类别标签
数学建模加油站·2022-12-04 13:16

Pytorch实现AutoEncoder自动编码器

1.概念及原理自编码器（autoencoder,AE）是一类在半监督学习和非监督学习中使用的人工神经网络（ArtificialNeuralNetworks,ANNs），其功能是通过将输入信息作为学习目标
爱玩电动的阿伟·2022-12-04 02:03

Towards Human-Machine Cooperation: Self-supervised Sample Mining for Object Detection (CVPR2018)

原文链接这是一个humanintheloop的自/半监督学习方法。
Coder.Gnew·2022-12-03 12:09

Python 计算机视觉（十七）—— 基于KNN的图像分类

目录1.图像分类概述（1）背景及意义（2）概念及任务a.有监督学习b.半监督学习c.无监督学习2.基于KNN的图像分类(1).基本概念(2).代码实现StepOne.切分训练集和数据集Ste
一马归一码·2022-12-03 06:07

读《Learning with Local and Global Consistency》

摘要我们考虑从标记和未标记数据中学习的一般问题，这通常被称位半监督学习或转导推理。半监督学习的一种原则方法是设计一个分类函数，该函数对于已知的标记点和未标记点所揭示的内在结构具有足够的平滑性。
Ritannn·2022-12-03 04:15

生成对抗网络 GAN原理 学习笔记+实践

对高维数据和样本分布问题有很好的检测模拟强化学习(RL)数据缺失，半监督学习多模态(multy-modal)输出,eg：可能生出三只眼的狗，生成结果不好现实的生成任务，eg：给定一个groudtruth
midori_27·2022-12-03 03:23

自步学习-Self-paced Learning

而主动学习和协同训练往往应用于半监督学习框架，其中主动学习倾向于选择当前模型下确定性或置信度低的样本，而协同训练则是
erdaidai·2022-12-02 22:08

机器学习--序言

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言序论什么是机器学习机器学习部分术语基本分类根据数据标签类型分类监督学习无监督学习半监督学习根据任务类型分类过拟合与欠拟合正则化范数为什么正则化可以缓解过拟合
happywinder--·2022-12-02 16:53

2021-08-16

机器学习主要分为：监督学习（标注的数据）半监督学习（既有标注的，也有未标注的）迁移学习（简单来讲就是我现在要做一个分类问题，但是data中很多是没有直接相关的data，那么应该怎样做）无监督学习（无任何标注
二十1·2022-12-02 15:45

【论文笔记】—低照度图像增强—Semi-Supervised—DRBN—2020-CVPR

【论文介绍】首次将半监督学习方法用于低光图像增强。
chaiky·2022-12-02 13:20

统计学习方法 | 第1章 统计学习方法概论

统计学习包括监督学习、非监督学习、半监督学习和强化学习。2．统计学习方法三要素——模型、策略、算法，对理解统计学习方法起到提纲挈领的作用。
weixin_30352645·2022-12-02 13:26

万字综述自动驾驶数据闭环（转载）

介绍自动驾驶的数据驱动模型感知地图定位预测规划控制传感器预处理模拟仿真云计算平台的搭建和大数据处理技术训练数据标注工具大型模型训练平台模型测试和检验相关的机器学习技术主动学习OOD检测和CornerCase检测数据增强/对抗学习迁移学习/域适应自动机器学习（AutoML）/元学习（学习如何学习）半监督学习自监督学习少样本
RyanC3·2022-12-01 20:26

InfoGraph: 最大化互信息用于无监督学习和半监督学习

本文通过最大化图级别表征和补丁表征之间的互信息来学习得到性能好的图表征，同时在该无监督图表征学习的基础上，结合一个监督学习网络，通过最大化监督学习和无监督学习网络之间的互信息，形成一个师生网络，得到更加强大的半监督学习模型
Liao-Zhuolin·2022-12-01 20:46

周志华《机器学习》书每章思维导图总结

第一章绪论第二章模型评估与选择第三章线性模型第四章决策树第五章神经网络第六章支持向量机第七章贝叶斯分类器第八章集成学习第九章聚类第十章降维与度量学习第十一章特征选择与稀疏表示第十二章计算学习理论第十三章半监督学习第十四章概率图模型第十五章规则学习第十六章强化学习深度学习
Liao-Zhuolin·2022-12-01 20:15

EMAN：自监督和半监督学习的指数移动平均归一化

原文：CaiZ,RavichandranA,MajiS,etal.Exponentialmovingaveragenormalizationforself-supervisedandsemi-supervisedlearning[C]//ProceedingsoftheIEEE/CVFConferenceonComputerVisionandPatternRecognition.2021:194-
Civisky·2022-12-01 14:00

CONSISTENCY REGULARIZATION FOR GENERATIVE ADVERSARIAL NETWORKS

在这项工作中，我们提出了一种简单有效的训练稳定器，基于一致性正则化的概念——半监督学习文献中流行的技术。
weixin_37958272·2022-12-01 14:30

SCR-MCR：正则项， OGB榜单--清华唐杰-- 可扩展图学习

文章信息摘要研究了一致性正则化，一种广泛采用的半监督学习方法，如何帮助提高图神经网络的性能。我们重新讨论了图神经网络的两种一致性正则化方法。
Complicated__76·2022-12-01 14:29

半监督学习之MixMatch

半监督学习之MixMatchMixMatchUnsupervisedDataAugmentationforConsistencyTraining半监督深度学习训练和实现小TricksMixMatch:AHolisticApproachtoSemi-SupervisedLearning1
Natuski_·2022-12-01 14:59

半监督学习入门基础（二）：最基础的3个概念

作者：Neerajvarshney编译：ronghuaiyang来自：AI公园导读今天给大家介绍半监督学习中的3个最基础的概念：一致性正则化，熵最小化和伪标签，并介绍了两个经典的半监督学习方法。
zenRRan·2022-12-01 14:59

[半监督学习] FixMatch: Simplifying Semi-Supervised Learning with Consistency and Confidence

FixMatch是对现有SSL方法的简化.FixMatch首先对弱增强的未标记图像生成伪标签,接着,对同一图像进行强增强后,再计算其预测分布,最后计算强增强的预测与伪标签之间的交叉熵损失.论文地址:FixMatch:SimplifyingSemi-SupervisedLearningwithConsistencyandConfidence代码地址:https://github.com/google-
码侯烧酒·2022-12-01 14:58

[总结] 半监督学习方法: 协同训练&类协同训练(Co-training)

Co-training最早在1998年提出,是基于分歧的方法,其假设每个数据可以由不同的视图(View)表示,不同视图可以训练出不同的分类器,利用这些分类器对无标签样本进行分类,再挑选最自信的无标签样本加入训练集中.这种多视图的方法需要满足两个假设:每个视图都包含足够产生最优学习器的信息,此时对其中任一视图来说,另一个视图则是冗余的,即冗余性.两个数据x1x_1x1和x2x_2x2在给定标签的情况
码侯烧酒·2022-12-01 14:58

[半监督学习] Dual Student: Breaking the Limits of the Teacher in Semi-supervised Learning

与之前的Mean-Teacher相比,这里引入了DualStudent概念,用另一个学生代替老师.同时定义了一个新的概念:稳定样本,为模型结构设计了一个可训练的稳定约束.论文地址:https://arxiv.org/abs/1909.01804代码地址:https://github.com/ZHKKKe/DualStudent会议:ICCV2019任务:分类Mean-Teacher结构中的两个角色
码侯烧酒·2022-12-01 14:57

[半监督学习] Mean teachers are better role models

此前的TemporalensemblingModel中存在一个问题,即在每个epoch只进行一次EMA,因此在学习大型数据集时,TemporalEnsembling成变得比较笨拙,且无法实现模型的在线训练.为了克服这个问题,文中提出了MeanTeacher,能在每个epoch中的每个step进行模型权重的EMA.也就是将原来计算输出向量z~\tilde{z}z~的过程变成了计算整个网络的参数θ\t
码侯烧酒·2022-12-01 14:27

[半监督学习] Virtual Adversarial Training: A Regularization Method for Supervised and SSL

提出一种基于虚拟对抗损失的新正则化方法,虚拟对抗性损失被定义为每个输入数据点周围的条件标签分布对局部扰动的鲁棒性.与对抗训练不同,VAT方法在没有标签信息的情况下定义了对抗方向,因此适用于半监督学习.论文地址
码侯烧酒·2022-12-01 14:27

[半监督学习] Interpolation consistency training for semi-supervised learning

提出插值一致性训练(Interpolationconsistencytraining,ICT),这是一种简单且效率高的算法,用于在半监督学习范式中训练深度神经网络.在分类问题中,ICT将决策边界移动到数据分布的低密度区域
码侯烧酒·2022-12-01 14:27

[半监督学习] Temporal Ensembling for Semi-Supervised Learning

论文地址:TemporalEnsemblingforSemi-SupervisedLearning代码地址:https://github.com/s-laine/tempens会议:ICLR2017任务:分类self-ensemblingself-ensembling即自集成,自己集成自己.对于神经网络来说,一个样本如果多次送入网络,能够产生多个模型预测结果,这些结果可以进行融合,同时在不同的ba
码侯烧酒·2022-12-01 14:26

半监督学习(Semi-Supervised Learning, SSL)-简述及论文整理

Anoverviewofproxy-labelapproachesforsemi-supervisedlearning文中相关概念补充及论文的阅读笔记将进行持续编写机器学习主要有三种类型:有监督,无监督和半监督学习
码侯烧酒·2022-12-01 14:56

[总结] 半监督学习方法: 一致性正则化(Consistency Regularization)

许多机器学习方法中,尤其是深度学习中的神经网络,都存在几个问题:模型容易过拟合.模型在受到微小扰动(噪声)后,预测结果会受相当程度的影响.为了减少过拟合现象,典型的监督学习中会添加一个新的损失项.在半监督学习中
码侯烧酒·2022-12-01 14:26

【伪标签】半监督学习——如何将无标签数据与有标签数据放一起训练？

系列文章目录第一章伪标签目录系列文章目录前言一、什么是伪标签二、算法思想前言最近遇到一个问题，模型训练样本的数量太少了，然后有一个思路就是将一些有标签数据和无标签数据放一起训练模型，以此来提高模型的性能。
晓亮.·2022-12-01 09:12

统计学习方法——机器学习和统计学习

统计学习包括监督学习、非监督学习、半监督学习和强化学习。2．统计学习方法三要素——模型、策略、算法，对理解统计学习方法起到提纲挈领的作用。
小陈phd·2022-11-30 20:57

《统计学习方法》

统计学习由监督学习（supervisedlearning）、非监督学习（unsupervisedlearning）、半监督学习（sem
README.·2022-11-30 20:49

机器学习基础篇-机器学习模型前瞻-part1

Typeofmachinelearning-机器学习类别TypeIntroductionSupervisedLearning监督学习，即在有label的前提下训练模型并预测Semi-SupervisedLearning半监督学习
Vihagle·2022-11-30 14:58
上一页 6 7 8 9 10 11 12 13 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他