Unsupervised

Unsupervised Domain Adaptation with Residual Transfer Networks（2017）

introduction作者认为，domainadaption（域适应）方法旨在通过学习domain-invariantfeature（域不变特征）来桥接sourcedomain和targetdomain，从而能够在targetdomain没有标签的情况下，利用sourcedomain所学到的分类器对targetdomain进行预测。现在已经可以将domainadaption嵌入到deepfeat
MataFela·2017-06-07 00:17

读论文笔记：无监督的卷积神经网络对单目视图的深度估计

GeometrytotheRescue作者RGarg ，KBGVijay ，GCarneiro ，IReid论文原文：https://www.researchgate.net/publication/301292064_Unsupervised_CNN_for_Single_View_Depth_Estimat
老虎福·2017-05-29 20:47

论文笔记——UNSUPERVISED REPRESENTATION LEARNING WITH DEEP CONVOLUTIONAL GENERATIVE ADVERSARIAL NETWORKS

首先给出2篇参考译文https://ask.julyedu.com/question/7681http://blog.csdn.net/c2a2o2/article/details/54408056GANs的学习系列8本人的阅读笔记1引言从大规模无标签的数据集中学习可重复使用的特征表达是一个具有活力的研究领域。通过无穷的无标签图像来学习一种好的中间表达（goodintermediaterepres
aidazheng·2017-05-17 16:27

Unsupervised Learning

定义：Unsupervisedlearningallowsustoapproachproblemswithlittleornoideawhatourresultsshouldlooklike.Wecanderivestructurefromdatawherewedon'tnecessarilyknowtheeffectofthevariables.非监督学习允许我们对要处理的问题一无所知或者不知道
沧海月明猪有泪·2017-04-25 21:03

无监督学习（unsupervised learning） 5.生成模型

无监督学习（unsupervisedlearning）5.生成模型1PixelRNN每次生成一个像素，下一个像素由之前所有的pixel决定应用：image、audiotips：每个像素用1-of-Nencodingfeature来表示——类似的颜色先进行聚类（得到167个不同的颜色）2VariationalAuto-Encoder（VAE）变分自编码器：结构类似，加了一些trickencoder之
n不正·2017-04-17 07:33

无监督学习（unsupervised learning） 1.线性方法

无监督学习（unsupervisedlearning）1.线性方法1unspervisedlearningReduction(化繁为简)：Clustering&Dimension，只有输入Generation(无中生有)：只有输出2ClusteringHowmanyclusters？K-Means：将X={x1,x2,…,xN}聚成K类随机初始化聚类中心ci,i=1,2,…,K对每一个xn，计算它
n不正·2017-04-15 16:15

Just DIAL: DomaIn Alignment Layers for Unsupervised Domain Adaptation

今天看了这篇文章，和以往处理域自适应问题的方法不同，文章提出的方法不是针对于学习源域与目标域公共特征，而是在神经网络中添加Domain-Alignment功能的层，一个固定的参考分布，将源域样本和目标域样本进行转化，从而处理domain-shift问题。然后我是在word上打出来写给导师的，但是尴尬的发现和上次文章一样，不能直接粘贴到csdn上，因为公式全部都不显示。一张一张粘贴公式的话排版看起来
BigFish_yukang·2017-03-04 17:49

Unsupervised Image-to-Image Translation Networks --- Reading Writing

原文链接：http://www.cnblogs.com/wangxiaocvpr/p/6498198.htmlUnsupervisedImage-to-ImageTranslationNetworks---ReadingWriting2017.03.03Motivations:mostexistingimagetoimagetranslationalgorithmsareallneedimagep
a1424262219·2017-03-03 19:00

Active-Learning 主动学习（三）—— Hierarchical Sampling 分层采样

本博客系原创作品，转载请注明出处http://blog.csdn.net/JYZhang_CVML/article/details/57409618算法综述首先对数据进行unsupervised分类，进行
JYZhang_sh·2017-02-26 13:43

挖坑:UNSUPERVISED AND SEMI-SUPERVISED LEARNING WITH CATEGORICAL GENERATIVE ADVERSARIAL NETWORKS

SpringenbergJT.UnsupervisedandSemi-supervisedLearningwithCategoricalGenerativeAdversarialNetworks[J].ComputerScience,2015.原文下载链接2016ICLR会议论文Abstract文中作者提出一种从为标记或部分标记数据中学习判别分类器的方法.方法是基于一个目标函数,在观测样本和他们预
菜鸟要超神·2017-02-18 16:32

nips《tagger-deep-unsupervised-perceptual-grouping 》翻译

论文标题：Tagger:DeepUnsupervisedPerceptualGrouping作者：KlausGreff,AnttiRasmus,MathiasBerglund,TeleHotlooHao,JürgenSchmidhuber,HarriValpola【摘要】我们提出了一个有效的感知推理，它能明确地对输入和特征中的分割进行推论。我们的框架是以一种无监督方法或者有时会附加任意监督任务，来
机器学习起飞路·2017-02-18 15:23

【深度学习】论文导读：无监督域适应（Deep Transfer Network: Unsupervised Domain Adaptation）

一、Domainadaptation在开始介绍之前，首先我们需要知道Domainadaptation的概念。Domainadaptation，我在标题上把它称之为域适应，但是在文中我没有再翻译它，而是保持它的英文原意，这也有助于我们更好的理解它的概念。Domainadaptation的目标是在某一个训练集上训练的模型，可以应用到另一个相关但不相同的测试集上。对这个问题列出一个规范的形式：给出sou
xf__mao·2017-01-14 15:45

【深度学习】论文导读：无监督域适应（Deep Transfer Network: Unsupervised Domain Adaptation）

一、Domainadaptation在开始介绍之前，首先我们需要知道Domainadaptation的概念。Domainadaptation，我在标题上把它称之为域适应，但是在文中我没有再翻译它，而是保持它的英文原意，这也有助于我们更好的理解它的概念。Domainadaptation的目标是在某一个训练集上训练的模型，可以应用到另一个相关但不相同的测试集上。对这个问题列出一个规范的形式：给出sou
mao_xiao_feng·2017-01-14 15:00

阅读小结：CNN Image Retrieval Learns from BoW:Unsupervised Fine-Tuning with Hard Example：CNN Image Retrie

What:图像检索的一篇文章，使用了CNN特征。结果方面，由于数据集的问题，ft以后在Holiday上VGGNET82.5
Layumi1993·2016-08-12 21:01

连续属性离散化

如果离散化过程使用类信息，则称它为监督离散化(superviseddiscretization)；否则是非监督的(unsupervised)。如果首先找出一点或几个点(称作分
Eaton18·2016-08-07 17:07

Ng机器学习 Week8 Unsupervised Learning

ClusteringPrincipalComponentAnalysisQ2选2。。。手滑QuizfindClosestCentroids.mtemp=zeros(K,1); fori=1:size(X,1) forj=1:K temp(j)=sum((X(i,:)-centroids(j,:)).^2); end [value,idx(i)]=min(temp,[],1); end comput
ZoeyyeoZ·2016-06-07 23:00

【Stanford机器学习笔记】11-Unsupervised Learning

前几节主要讲了4种应用比较广泛的监督机器学习算法：线性回归，逻辑回归，神经网络，SVM。并对如何评价机器学习算法做了简要概述，其中主要包括欠拟合，过度拟合，学习曲线，正则化，precisionandrecall等等，接下来主要讲几种比较常用的非监督机器学习算法，例如K-means等。以及数据处理方法：PCA。1.Clustering1.1UnsupervisedLearning:Introduct
iFun0·2016-05-14 21:29

机器学习 ： 高斯混合模型及EM算法

假设我们有一组训练样本x(1),x(2),...x(m),因为是unsupervised的学习问题，所以我们没有任何y的信息。
shinian1987·2016-05-09 20:00

深度学习中的非线性激励函数以及unsupervised pre-training

1非线性激励函数sigmoid:11+e−xtanh:tanhsoftplus:log(1+ex)Relu:max(x,0)1.1作用对于无非线性激励函数情况，每一层网络输出都为线性函数，可验证无论神经网络层数多少，输出都是输入的线性组合，意味着单层网络也可实现，这也是最原始的感知机。引入非线性激励函数，使得深层神经网络变得有意义，也能模拟更复杂的模型。1.2Reluvs(sigmoidtanh)
柏树之路·2016-05-09 14:27

笔记：Deep transfer network: unsupervised domain adaptation

这篇文章里提出了一种用MMD来同时对两个域上的marginaldistribution和conditionaldistribution进行约束的迁移网络。具体而言，用MMD来对两个域（源域和目标域）上的提取到的特征分布进行约束，从而使两个域上的特征分布尽可能相同，这个分布叫做marginaldistribution；同时对两个域上的softmax分类结果用MMD来进行约束，使得两个分类结果的分布尽
泡温水澡的青蛙·2016-05-08 12:14

笔记：Deep transfer network: unsupervised domain adaptation

这篇文章里提出了一种用MMD来同时对两个域上的marginaldistribution和conditionaldistribution进行约束的迁移网络。具体而言，用MMD来对两个域（源域和目标域）上的提取到的特征分布进行约束，从而使两个域上的特征分布尽可能相同，这个分布叫做marginaldistribution；同时对两个域上的softmax分类结果用MMD来进行约束，使得两个分类结果的分布尽
a1154761720·2016-05-08 12:00

UFLDL 09 自我学习 Self-Taught Learning Unsupervised Feature Learning

1总体思路2获取特征3利用特征其他本文主要是说自我学习和无监督的特征学习，并不是我们之前说的无监督学习的聚类等内容。1总体思路这里的自我学习是特征的学习，是通过自编码和稀疏矩阵得到特征。基本思路如下：1.大量的无标签数据导入自编码器（autoencoder），得到其更加本质的特征；2.有标签数据导入同一个编码器，用得到的特征和标签进行训练，（使用普通的训练方法比如svm等）得到模型；3.利用模型进
bea_tree·2016-05-05 09:00

weka笔记

数据预处理离散化weka.filters.unsupervised.attribute包下StringToNominal应用场景如将产品Id的数值表示先转换为字符串类型，再表示变成离散的ID
foolsnowman·2016-04-15 13:00

Machine Learning第八周笔记：K-Means和降维

UnsupervisedLearningClusteringUnsupervisedLearning:Introduction今天我们开始介绍无监督式学习（unsupervised
MajorDong100·2016-04-09 13:00

神经网络基本概念

使所有点或数据到它的距离最短之类的回归是分类的一种特殊形式注意的地方没有数学模型或模型特别复杂时可以考虑神经网络要求系统100%准确时不能用神经网络网络的类型Determinstic去往所有下一状态的概率相同Stochastic去往下一状态的概率不同数据类型Supervised知道输入，同时知道对应的输出Unsupervised
·2016-04-07 09:00

笔记：unsupervised domain adaptation by backpropagation

这篇文章是结合对抗网络框架与深度学习技术解决domainadaptation应用的一个工作。具体而言，在这个框架中对三个部分进行训练：一个是featureextractor，这个是用于提取特征的，一般由卷积层与pooling层组成；另一个是labelclassifier，使用全连接层+逻辑斯蒂分类器；第三个在一般的分类器中不会出现，也就是和featureextractor构成对抗网络框架的分类器d
泡温水澡的青蛙·2016-03-30 22:57

笔记：unsupervised domain adaptation by backpropagation

这篇文章是结合对抗网络框架与深度学习技术解决domainadaptation应用的一个工作。具体而言，在这个框架中对三个部分进行训练：一个是featureextractor，这个是用于提取特征的，一般由卷积层与pooling层组成；另一个是labelclassifier，使用全连接层+逻辑斯蒂分类器；第三个在一般的分类器中不会出现，也就是和featureextractor构成对抗网络框架的分类器d
a1154761720·2016-03-30 22:00

【筆記】【機器學習】Supervised learning 與 Unsupervised learning

注意：這是筆記！筆記！不是教程！不是教程！不是教程！(因為好重要所以說三次)課程連結SupervisedLearning(監督學習)可以由訓練資料中學到或建立一個模式（函數/learningmodel），並依此模式推測新的實例。－－－Wiki所以簡單來說就是可以預測和得知確實的輸出而且需要有明確的輸入來告訴計算機要做甚麼例如從房價預測中可以預測到該平方米的房子需要多少錢從癌症診斷中可以判斷出是否有
LeongHouHeng·2016-03-29 01:00

【CV】ICCV2015_Unsupervised Learning of Spatiotemporally Coherent Metrics

UnsupervisedLearningofSpatiotemporallyCoherentMetrics Notehere:it'salearningnoteonthetopicofunsupervisedlearningonvideos,anovelworkpublishedbyYannLeCun'sgroup.Link: http://arxiv.org/pdf/1412.6056.pdf 
KaneLim·2016-03-26 21:00

【CV】ICML2015_Unsupervised Learning of Video Representations using LSTMs

UnsupervisedLearningofVideoRepresentationsusingLSTMsNotehere:it'salearningnotesonnewLSTMsarchitectureusedasanunsupervisedlearningwayofvideorepresentations.(Moreunsupervisedlearningrelatedtopics,youcan
KaneLim·2016-03-21 23:00

【CV】ICCV2015_Unsupervised Visual Representation Learning by Context Prediction

UnsupervisedVisualRepresentationLearningbyContextPredictionNotehere:it'salearningnoteonunsupervisedlearningmodelfromProf.Gupta'sgroup.Link: http://120.52.73.9/www.cv-foundation.org/openaccess/content_
KaneLim·2016-03-21 21:00

Stanford 机器学习笔记 Week8 Unsupervised Learning

ClusteringK-MeansAlgorithm一种经典的聚类算法，步骤很简单，分4步：1.首先随机选择K个聚类中心2.对于TrainingSet中的每个点i，计算离i最近的中心c(i)，将该点标记为c(i)3.对于每个中心k，重新计算该位置为：所有标记为k的点的平均位置4.如果所有中心的位置都不变，算法结束。否则回到步骤2当在第2步时发现对于某中心没有属于的点，可以直接将该中心删除。如果必须
Baoli1008·2016-03-19 21:03

Stanford 机器学习笔记 Week8 Unsupervised Learning

ClusteringK-MeansAlgorithm一种经典的聚类算法，步骤很简单，分4步：1.首先随机选择K个聚类中心2.对于TrainingSet中的每个点i，计算离i最近的中心c(i)，将该点标记为c(i)3.对于每个中心k，重新计算该位置为：所有标记为k的点的平均位置4.如果所有中心的位置都不变，算法结束。否则回到步骤2当在第2步时发现对于某中心没有属于的点，可以直接将该中心删除。如果必须
Baoli1008·2016-03-19 21:00

【CV】ICCV2015_Unsupervised Learning of Visual Representations using Videos

UnsupervisedLearningofVisualRepresentationsusingVideos Notehere:it'salearningnoteonProf.Gupta'snovelworkpublishedonICCV2015.It'sreallyexcitingtoknowhowunsupervisedlearningmethodcancontributetolearnvis
KaneLim·2016-03-17 01:00

Week 8：Unsupervised Learning 第一部分课后习题解答

       大家好，我是MacJiang,今天和大家分享Coursra—StanfordUniversity—MachineLearning第八周UnsupervisedLearing第一部分Clustering的课后习题。提醒：每个同学的课后习题的参数，选型可能都是不一样的，请做题之前看清题目，不要照抄！1.第一题(1)题意：下列这些问题，那些适合用K均值法解决？         1.给定网购
a1015553840·2016-03-11 15:00

Unsupervised Learning of Visual Representations using Videos

ICCV2015projectpagehttp://www.cs.cmu.edu/~xiaolonw/unsupervise.htmlcodehttps://github.com/xiaolonw/caffe-video_triplet这篇文章最大的亮点是CNN的UnsupervisedLearning。以前的CNN网络参数学习需要海量标定的数据，例如ImageNet，本文提出使用没有标定的视频来
cv_family_z·2015-12-08 14:00

Machine Learning week 7 quiz: Unsupervised Learning

UnsupervisedLearning5试题1.ForwhichofthefollowingtasksmightK-meansclusteringbeasuitablealgorithm?Selectallthatapply.Givenhistoricalweatherrecords,predictiftomorrow'sweatherwillbesunnyorrainy.Givenmanyem
garfielder007·2015-11-26 17:28

Machine Learning week 7 quiz: Unsupervised Learning

UnsupervisedLearning5 试题1. ForwhichofthefollowingtasksmightK-meansclusteringbeasuitablealgorithm?Selectallthatapply.Givenhistoricalweatherrecords,predictiftomorrow'sweatherwillbesunnyorrainy.Givenmany
GarfieldEr007·2015-11-26 17:00

Machine Learning in Action(1) K-近邻

        机器学习分两大类，有监督学习(supervised learning)和无监督学习(unsupervised learning
·2015-11-13 20:04

文本聚类2

A.问题背景 聚类是对数据对象进行划分的一种过程，与分类不同的是，它所划分的类是未知的，故此，这是一个“无指导的学习”（unsupervised learning）过程，即聚类算法不需要
·2015-11-13 19:54

文本聚类2

文本聚类2 - riky - 博客园 文本聚类2 A.问题背景 聚类是对数据对象进行划分的一种过程，与分类不同的是，它所划分的类是未知的，故此，这是一个“无指导的学习”（unsupervised
·2015-11-13 19:05

转：浅谈深度学习(Deep Learning)的基本思想和方法

的基本思想和方法  参考： http://blog.csdn.net/xianlingmao/article/details/8478562 深度学习（Deep Learning），又叫Unsupervised
·2015-11-13 08:35

Study notes for Sparse Coding

Sparse Coding Sparse coding is a class of unsupervised methods for learning sets of over-complete
·2015-11-13 04:15

UFLDL 教程学习笔记（一）神经网络

UFLDL（Unsupervised Feature Learning and Deep Learning）Tutorial 是由 Stanford 大学的 Andrew Ng 教授及其团队编写的一套教程
·2015-11-13 00:15

UFLDL 教程学习笔记（二）反向传导算法

UFLDL（Unsupervised Feature Learning and Deep Learning）Tutorial 是由 Stanford 大学的 Andrew Ng 教授及其团队编写的一套教程
·2015-11-13 00:14

UFLDL 教程学习笔记（三）自编码与稀疏性

UFLDL（Unsupervised Feature Learning and Deep Learning）Tutorial 是由 Stanford 大学的 Andrew Ng 教授及其团队编写的一套教程
·2015-11-13 00:13

UFLDL 教程学习笔记（四）主成分分析

UFLDL（Unsupervised Feature Learning and Deep Learning）Tutorial 是由 Stanford 大学的 Andrew Ng 教授及其团队编写的一套教程
·2015-11-13 00:12

关于LDA的文章

www.zhizhihu.com/html/y2011/3228.html l  Theory n  Introduction u  Unsupervised
·2015-11-12 16:20

Deep Learning 学习随记（四）自学习和非监督特征学习

接着看讲义，接下来这章应该是Self-Taught Learning and Unsupervised Feature Learning。  含义： 从字面上不难理解其意思。
·2015-11-12 11:37

soinn

Growing Cell Structures A Self-Organizing Network for Unsupervised and Supervised Learning Here, and
·2015-11-12 11:52
上一页 11 12 13 14 15 16 17 18 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他