Unsupervised

情感分析/文本分类模型的几种方法介绍及比较

情感分析/文本分类模型一、fastTexthttps://fasttext.cc/docs/en/unsupervised-tutorial.htmlfastText模型架构:其中x1,x2,…,xN−
卓玛cug·2020-06-21 04:58

基于深度学习的人类语言处理(三)语音转换

Samplesfor“UnsupervisedSingingVoiceConversion”https://enk100.github.io/Unsupervised_Singing_Voice_Conversion
小小何先生·2020-05-18 00:52

【论文笔记】Unsupervised Information Extraction: Regularizing Discriminative Approaches with RelDist loss

UnsupervisedInformationExtraction:RegularizingDiscriminativeApproacheswithRelationDistributionLosses文章目录UnsupervisedInformationExtraction:RegularizingDiscriminativeApproacheswithRelationDistributionLo
DrogoZhang·2020-04-12 11:27

Optimistic Concurrency Control for Distributed Unsupervised Learning

1.Abstract机器学习算法的两个极端：严格的并发约束；没有约束提出一种中间的方法：算法假设冲突很少发生，如果冲突发生，则使用冲突解决协议OCC(optimisticconcurrencycontrol)特别适合大规模机器学习算法，特别是非监督学习实验：聚类、featurelearning、onlinefacilitylocation2.Introduction2.1.两种机器学习算法分布式策
世间五彩我执纯白·2020-04-10 10:39

机器学习基石第三节

TypesofLearning一、监督式（supervised）的学习（上面的问题）和非监督式（unsupervised）的学习（下面的问题）区分：是否提供yn（结果集）监督式和非监督式（classtry
硌手小石头·2020-04-02 09:14

【特征学习】【无监督】【教程】EECS 598 Unsupervised Feature Learning

EECS598UnsupervisedFeatureLearningInstructor:Prof.HonglakLeeInstructorwebpage:http://www.eecs.umich.edu/~honglak/Officehours:Th5pm-6pm,3773CSEClassroom:1690CSETime:MW10:30am-12pmCourseSchedule(Note:th
hzyido·2020-04-01 07:47

Models from GitHub

PixelRNNinTensorFlowTensorFlowimplementationofPixelRecurrentNeuralNetworks.地址：https://github.com/carpedm20/pixel-rnn-tensorflow2.Simulated+Unsupervised
卷心菜呀·2020-03-29 21:22

解读：Depth from Videos in the Wild: Unsupervised Monocular Depth Learning from Unknown Cameras

Abstract提出了一种仅利用相邻视频帧的一致性作为监控信号，从视频中同时估计场景深度、相机自运动、物体运动和相机内参的新方法。与之前的工作类似，我们的方法通过学习将可区分的变形应用于帧和对比结果与相邻帧，该工作提供了几点改进:我们直接通过使用训练中预测的深度图，来处理那些几何的和可区分的遮挡。引入了随机层归一化，这是一种新型的强正则化方法，并考虑了目标相对于场景的运动。第一个在无监督的情况下从
提着木剑走天下·2020-03-28 23:36

[Note-1] Supervised and Unsupervised learning

在coursera上听AndrewNg讲machinelearning重点在于区分几类问题和概念监督学习：对于给定的数据集，已经知道输出结果是什么样子的。分为两类问题：regression（回归）：预测结果是一个连续值（如房价）classification（分类）：预测结果是离散的值非监督学习：对于给定的数据集，不知道输出结果是什么样子。分为两类问题：clustering（聚类）：根据特征，对数据
乐猿·2020-03-24 18:23

文献阅读·53-Unsupervised Attention-guided Image-to-Image Translation

简介  Unsupervisedattention-guidedimage-to-imagetranslation.NIPS-2018,Cited-53.  Opensource,official,tf,star-240.关键字  Image-to-Image，注意力机制，CycleGAN，无监督，深度学习，机器学习正文1.动机  针对目前的image-to-image任务在图像的全局上使用判别器
jiangweijie1981·2020-03-14 00:35

论文阅读：Unsupervised Question Answering by Cloze Translation

文章目录0.摘要1.介绍模型架构2.无监督的EQA2.1文本和答案生成2.2问题生成完形填空生成完形填空转换2.3问答训练一个独立的QA系统：使用后验概率：2.4无监督完形填空转换完形填空语料自然问题语料`Wh*`的启发式：3.实验3.1无监督QA实验3.2消融研究和分析3.3错误分析3.4UNMT-生成问题分析3.5小样本问答4.相关工作5.讨论6.总结FacebookAIResearch发表在
晴晴_Amanda·2020-02-29 23:13

浅谈线性回归

监督学习supervised和无监督学习unsupervised分类依据：输入数据是否有标签监督学习：输入数据带标签，我们教计算机如何去学习
雾里看花1947·2020-02-28 10:47

Unsupervised Generative Adversarial Cross-modal Hashing

UnsupervisedGenerativeAdversarialCross-modalHashing,AAAI2018MotivationCross-modalhashing跨模态哈希问题，致力于将各种模态的数据放到一个公共哈希空间中，以更简洁快速地计对跨模态数据进行表达和计算、检索。非监督的方法相比较监督的方法更不用受到初始条件的约束，因此更灵活。但是现存的非监督的方法在计算时忽视了不同模态中
yyyyyyyyXu·2020-02-25 21:01

XGAN: UNSUPERVISED IMAGE-TO-IMAGE TRANSLATION FOR MANY-TO-MANY MAPPINGS

https://arxiv.org/pdf/1711.05139.pdfNoveltyUnsuperviseTwodomainsharethesamelatentspacepredictclassatencoderProblemOnlytwodomainsatatime,needtotrainnewmodelfornewdomainStructureStructure.pngLossLoss.pn
klory·2020-02-25 08:56

Machine Learning Series Notes - Supervised Learning Or Unsupervised Learning

Keywords:SupervisedLearning、UnsupervisedLearning、Regression、Classification、ClusteringAsmentionedinmylastblog,machinelearningisdividedintosupervisedlearningandunsupervisedlearning.Today,we'regoingtofig
Snow_Patrol·2020-02-23 04:47

深度学习的替代品?无监督学习的层次时间记忆(HTM)指南

https://www.analyticsvidhya.com/blog/2018/05/alternative-deep-learning-hierarchical-temporal-memory-htm-unsupervised-learning
Threathunter·2020-02-19 04:51

[机器学习入门] 李弘毅机器学习笔记-17（Unsupervised Learning: Deep Auto-encoder；无监督学习：深度自动编码器）

[机器学习入门]李弘毅机器学习笔记-17（UnsupervisedLearning:DeepAuto-encoder；无监督学习：深度自动编码器）PDFVIEDOAuto-encoder什么是-encoder呢?这里写图片描述NNEncoder&NNDecoder要一起训练。StartingfromPCA这里写图片描述theauto-encodercanbedeepDeepAuto-encoder
holeung·2020-02-16 21:58

REINFORCEMENT LEARNING WITH UNSUPERVISED AUXILIARY TASKS

Deepreinforcementlearningagentshaveachievedstate-of-the-artresultsbydirectlymaximisingcumulativereward.However,environmentscontainamuchwidervarietyofpossibletrainingsignals.Inthispaper,weintroduceanag
朱小虎XiaohuZhu·2020-02-16 10:35

CVPR2018: Unsupervised Cross-dataset Person Re-identification by Transfer Learning of Spatio-temp...

论文可以在arxiv下载，导师一作，本人二作，也是我们实验室第一篇CCFA类论文，这个方法我们称为TFusion。代码：https://github.com/ahangchen/TFusionTFusion架构解决的目标是跨数据集的PersonReid属于无监督学习方法是多模态数据融合+迁移学习实验效果上，超越了所有无监督Personreid方法，逼近有监督方法，在部分数据集上甚至超越有监督方法本
梦里茶·2020-02-12 04:51

2019-02-19 GPT-2.0 Language Models are Unsupervised Multitask Learners

这两天能一本正经胡说的语言模型GPT-2.0大火，官方OPENAI以模型太强大担心被坏人使用为由，也只公布了117M的模型，是不到号称的15亿参数的十分之一，同时牵起了OPENAIVSCLOSEAI的口水战，看热闹的总是不会闲事大，2019春节刚过，AI领域就一片喧哗，注定今年AI将继续高歌猛进，希望自己能在其中，跟上大部队。好了，废话不多说，看完热闹，就迫不及待下载了GPT-2.0公布的117M
梯度上升·2020-02-08 10:49

回归模型2018-01-25

Linearregression线性回归MachineLearningSupervised监督学习（有标签）UnSupervised无监督学习（没有标签）reinforcementlearning（与环境互动
Jackpot_0213·2020-02-05 22:13

【短文】粗读CVPR2019论文 Tracking by Animation: Unsupervised Learning of Multi-Object Attentive Trackers

我接下来将以自己的理解以及文章的原内容，描述下文章的大概内容，如果有误解的内容，还请大家指出，大家共同学习。作者信息，文章和代码Github的链接在文章最下方分享给大家。首先我来讲下作者大概做了什么。作者提出了一种无监督的MOT(多目标跟踪)方法，而无监督的方法是将输入的图像抽取特征之后根据不同的跟踪器来获取每个目标的信息并分层，最后把这些信息整合在一起进行重构，如果能够重构成原始图像，那么这个跟
mobai-ch·2020-01-21 23:04

UDA Unsupervised data augmentation for Consistency training.

UnsuperviseddataaugmentationforConsistencytraining.题目解释：Consistencytraining:一致性训练，即对模型进行一定的限制，使得当输入图片增加较少的噪声时，模型的输出不发生变化；即原图和加入噪声的图片具有一致性的预测题意：用于一致性训练的无监督数据增强1.Abstract当标签数据比较少时，半监督学习能够有效提升模型性能。当前的许多方
默写年华Antifragile·2020-01-02 13:01

[机器学习入门] 李宏毅机器学习笔记-15 （Unsupervised Learning: Word Embedding；无监督学习：词嵌入）

[机器学习入门]李宏毅机器学习笔记-15（UnsupervisedLearning:WordEmbedding；无监督学习：词嵌入）PDFVIDEOWordEmbeddingWordEmbedding是前面讲到的dimensionreduction一个很好的应用。这里写图片描述1-of-NEncoding，是把所有的word用一个向量表示，每个向量都不一样，我们没办法从中获得更多的信息，比如猫和狗
holeung·2019-12-29 21:40

Show, Attend and Translate: Unsupervised Image Translation with Self-Regularization and Attention 解读

本文提出了一种结合Attention机制和self-Regularization的无监督图像域转换模型。问题为了解决两个域间的图像转换问题，需要学习从一个域到另一个域的映射，将X域中的图像转换到Y域。本文的目的是使生成的图像看起来和源图像(X域)是相似的，同时具备Y域图像的特征。如上图所示，图像从Horse域转换到了Zebra域，但是背景部分并没有变化。方法由于现在的图像转换方法经常会对图像作一些
EwanRenton·2019-12-28 16:38

An Unsupervised Learning Model for Deformable Medical Image Registration2019-09-10

出处：cvpr2018https://arxiv.org/abs/1802.02604v1是为数不多的开源的深度学习图像配准算法，提出了VoxelMorph模型。一般会选择作为baseline。简单来说就是通过CNN学习图像的变形场，然后通过空间转换层得到moved图像实现从moving图像到fixed图像的配准开源地址为https://github.com/voxelmorph/voxelmor
一只大南瓜·2019-12-13 22:57

Unsupervised Forum Post Solution Identification

论坛解答贴的识别第一遍阅读1.1论文类型这是一篇纯技术类的文章，面向的任务十分具体。1.2论文领域  这是一篇关于论坛中解答贴识别的论文，通俗一点来说就是我们在很多问答网站会见到这么一种情况：一个问题被提出，题主会对问题进行描述；然后有人会回答，回答的东西呢有的是答案，有的则是乱七八糟的东西，比如说闲聊啊，吐槽啊，请求再解释一下问题啊都有可能。这是一个超级具体的论文，因此能够完全对的上这篇文章研究
王难难难·2019-12-12 19:26

Momentum Contrast for Unsupervised Visual Representation Learning (MoCo)

MomentumContrastforUnsupervisedVisualRepresentationLearning一、MethodsPreviouslyProposed1.End-to-endMechanisms方法简介：对于每个mini-batch中的image进行增强，每一张图片经过增强处理都得到两张图片q和$k_+$，这两张互为正样本。采用两个不同的encoder分别对q和diction
snail_1·2019-12-10 20:00

Momentum Contrast for Unsupervised Visual Representation Learning

MomentumContrastforUnsupervisedVisualRepresentationLearning一、MethodsPreviouslyProposed1.End-to-endMechanisms方法简介：对于每个mini-batch中的image进行增强，每一张图片经过增强处理都得到两张图片q和$k_+$，这两张互为正样本。采用两个不同的encoder分别对q和diction
SuperLab·2019-12-10 20:00

Unsupervised Attention-guided Image-to-Image Translation 解读

本文和上一篇show,Attend一样，都是基于attention机制的图像转换。两篇文章的工作大体是相似的，但是这篇文章的代码开源了。这篇文章和上篇文章一样都是做图像域转换，并且在转换时都想要只关注图像中的前景，达到前景转换而背景不变的效果。在上一篇blog中已经介绍过了图像域转换，所以这里就直接开始讲作者提出的模型了。ModelFs->t表示从S域到T域的转换。作者定义了两个Attention
EwanRenton·2019-12-08 00:49

大学渣的ISLR笔记(10)-Unsupervised Learning

Mostofthisbookconcernssupervisedlearningmethodssuchasregressionandclassification.Inthesupervisedlearningsetting,wetypicallyhaveaccesstoasetofpfeaturesX1,X2,...,Xp,measuredonnobservations,andaresponseY
olostin·2019-12-01 09:03

Unsupervised Domain Adaptation via Structured Prediction Based Selective Pseudo-Labeling读书笔记

无监督域自适应的目的是解决目标域未标记样本的分类问题，而标记样本仅来自源域，且这两个域的数据分布不同。在这两种情况下，目标域中缺少标记的样本可能是一个问题，通常通过伪标记来克服。然而，不准确的伪标记可能会在学习过程中导致灾难性的错误积累。这篇文章提出了一种基于结构预测的选择性伪标记策略。结构化预测的灵感来自于目标域的样本在深度特征空间内具有良好的聚类特性，因此可以使用无监督聚类分析来促进准确的伪标
lwpyh·2019-11-28 16:40

Machine learning(1): Supervised learning, Unsupervised learning and Reinforcement learning

Machinelearningisdividedintothreetypesofmethodlearning.Thefirstmethodissupervisedlearningandthesecondisunsupervisedlearning.Finally,itisreinforcementlearning.SupervisedLearningCharacteristicsofsupervi
数据小鱼Rexa·2019-11-15 04:23

Open Relation Extraction: Relational Knowledge Transfer论文解析

OpenRelationExtraction:RelationalKnowledgeTransferfromSupervisedDatatoUnsupervisedDataAbstract多数的OpenRE问题都限定在了unsupervised
DrogoKhal4373·2019-11-14 15:07

《Unsupervised Word and Dependency Path Embeddings for Aspect Term Extraction》阅读笔记

文章来源：IJCAI-16basedonunsupervisedlearningofdistributedrepresentationsofwordsanddependencypaths.基本idea：在依存空间中，通过依存路径连接两个词在低维空间优化了w1+r约等于w2，而多条依存路径被当做asequenceofgrammaticalrelationsandmodeledbyarecurrent
best___me·2019-11-06 02:59

【时间序列】【无监督】【聚类Shapelets】Clustering Time Series using Unsupervised-Shapelets 2012.pdf

【时间序列】【无监督】【聚类Shapelets】ClusteringTimeSeriesusingUnsupervised-Shapelets2012.pdf【论文:u-shapelets时序聚类】《ClusteringTimeSeriesUsingUnsupervised-Shapelets》JesinZakaria,AbdullahMueen,EamonnKeogh(ICDM2012)
hzyido·2019-11-03 09:44

Adversarial Feature Augmentation for Unsupervised Domain Adaptation阅读笔记

AboutthispaperTitle:AdversarialFeatureAugmentationforUnsupervisedDomainAdaptationAuthors:RiccardoVolpi,PietroMorerio,SilvioSavarese,VittorioMurinoTopic:DomainAdaptationFrom:CVPR2018Contributions第一次使用G
zhaoxin94·2019-10-31 13:27

机器学习笔记第一周

一、监督学习（supervised-learning）与无监督学习（unsupervised-learning）1.监督学习中数据集是由给定的正确答案组成，目的是训练机器预测更多的答案。
KenSporger·2019-10-27 16:00

机器学习笔记第一周

一、监督学习（supervised-learning）与无监督学习（unsupervised-learning）1.监督学习中数据集是由给定的正确答案组成，目的是训练机器预测更多的答案。
KenSporger·2019-10-27 16:00

Dynamic Label Graph Matching for Unsupervised Video Re-Identification

DynamicLabelGraphMatchingforUnsupervisedVideoRe-IdentificationAbstractIntroductionMethodsGraphMatchingforVideoRe-IDDynamicGraphMatchingLabelRe-weightingMetricLearningwithRe-weightedLabelsIterativeUpda
_Summer tree·2019-10-22 10:41

Stepwise Metric Promotion for Unsupervised Video Person Re-identification

StepwiseMetricPromotionforUnsupervisedVideoPersonRe-identificationAbstractIntroductionframeworkOurMethod.ReferencesAbstracttwoassumptionstwoassumptionsdifferentvideotrack-letstypicallycontaindifferent
_Summer tree·2019-10-21 21:18

Unsupervised learning of semantic representation for documents with the law of total probability_...

摘要提取文档的语意信息的意义在于它是很多应用的基础，例如：文档总结、检索文档、文本分析等。现存的方法（通过分析文档包含词相关性来扩充用来表示文档的向量）远不理想的原因是文档的物理限制阻碍了词之间的相关性评估——无法捕获深层的相关性。为了解决以上问题，本文通过词和词之间的公相关词来进一步推测它们之间的深层关联，为了避免高估深层关联本文基于全概率公式来约束深层关系推理——以边缘概率为指标。介绍BOW（
雨住多一横·2019-10-20 09:39

[NLG]Unsupervised Discrete Sentence Representation Learning for Interpretable Neural Dialog Generat

看这篇paper看的自闭了。作者用了太多操作了。。。摘要：作者的意思应该是要在一些无监督的语句中学会一些可解释的离散的laentaction，然后用这些laentaction指导对话的生成。什么叫可解释呢，我觉得这篇论文的意思就是，这个latent(意图，动作，相当于slot-value对)和这一句对话有直接的关系。然后作者就用了两个新的模型，实际上就是魔改了VAE（看的我脑阔痛）分别是DI-VA
lwgkzl·2019-10-15 01:19

Unsupervised Domain Adaptation Through Self-Supervision论文阅读笔记

这篇文章是arxiv上的一篇domianadaptation的文章，觉得这里使用的方法和之前的方法完全不同，很有意思。所以整理了一下，和大家一起分享。本文讨论了无监督域自适应，即源域上有标记的训练数据，但目标是在目标域上只有未标记数据，希望能够通过一些方法将源域上分类器迁移到目标域上，并能在目标域上有良好的性能。与之前的许多工作一样，我们试图在保持可辨别性的同时，对源域和目标域的学习表示进行对齐。
lwpyh·2019-10-10 11:46

文献阅读笔记：Unsupervised Question Answering by Cloze Translation

0.背景机构：Facebook作者：PatrickLewis发布地方：arXiv面向任务：问题生成论文地址：https://arxiv.org/abs/1906.04980论文代码：https://github.com/facebookresearch/UnsupervisedQA0.1摘要本文尝试探寻以下2个问题。(1)对于抽取式问答(EQA)，训练数据集的质量要求是怎么样的。(2)无监督的抽取
JasonLiu1919·2019-10-10 09:58

Multilingual Unsupervised NMT using Shared Encoder and Language-Specific Decoders

MultilingualUnsupervisedNMTusingSharedEncoderandLanguage-SpecificDecoders知识点摘要引言本文方法这是2019ACL的一篇文章。本文借鉴《UnsupervisedNeuralMachineTranslation》一文的思想，只是把两种语言之间的翻译改为四种语言之间的翻译。效果比较好而已。文章链接：MultilingualUnsu
小小鸟要高飞·2019-10-08 12:59

Generate summaries in an unsupervised manner

ICML2019《UnsupervisedNeuralMulti_documentAbstractiveSummarizationofReviews》githubopenview对于文本摘要领域来说，已有的抽象式摘要方法（abstractivesummarization）广泛的依赖于Seq2Seq模型和配对数据集，以及pointer-generator网络、copy机制和coverage机制等的应
Forlogen·2019-09-07 21:19

GPT2--Language Models are Unsupervised Multitask Learners

AbstactGPT2的核心思想就是认为可以用无监督的预训练模型去做有监督任务。Introduction：典型应用：最著名的语言模型就是手机上面的输入法，根据当前输入词推荐下一个词目标上想构造一个通用的NLP模型，可以执行很多任务，不需要为每个任务手动创建和标记数据集多任务学习：把多个相关的任务放在一起学习，同时学习多个任务。基于共享表示，把多个相关的任务放在一起学习的机器学习方法多个相关任务同时
咕噜咕噜day·2019-08-31 15:01

无监督统计机器翻译起源篇《Unsupervised Statistical Machine Translation》

论文python代码这是一篇开启无监督机器翻译热的重要论文，18年之后的无监督机器翻译学习方法的改进大都在改论文之上，或启发之下进行进的。上图中Section3.1该部分的目的是一个语言模型将词训练为词向量，如工具word2vecorfasttextorglove。该部分针对每一中单语言原始语料文本，分别训练出一份词向量Embedding。上图中Section3.2该部分的目的是让两种语言进行映射
布口袋_天晴了·2019-08-27 10:36

GPT : Improving Language Understanding by Generative Pre-Training

ImprovingLanguageUnderstandingbyGenerativePre-Training论文链接：https://s3-us-west-2.amazonaws.com/openai-assets/research-covers/language-unsupervised
qq_27717921·2019-08-16 11:33
上一页 9 10 11 12 13 14 15 16 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他