semi-supervised 第7页

翻译--SEMI-SUPERVISED CLASSIFICATION WITH GRAPH CONVOLUTIONAL NETWORKS

SEMI-SUPERVISEDCLASSIFICATIONWITHGRAPHCONVOLUTIONALNETWORKS图卷积神经网络的半监督学习原文连接:Semi-SupervisedClassificationwithGraphConvolutionalNetworks0.摘要Wepresentascalableapproachforsemi-supervisedlearningongraph-

wanygen·2020-06-27 12:50

机器学习（三）半监督学习（Semi-supervised Learning）

问题：有训练样本DL={(x1,y1),(x2,y2),...,(xl,yl)}与未标记样本DU={xx+1,xx+2,...,xl+u}要求：用DLUDU训练分类器方法：在DL上训练分类器用分类器对DU中数据分类两类方法（1）利用软的分类结果（EM算法）（2）利用硬的分类结果（很多方法）将DU的分类信息加上，回到第一步半监督SVMmin:E(w,b,ξ,y^)=12‖w‖2+Cl∑i=1lξ2i

goodluckcwl·2020-06-27 08:19

【论文总结】weakly- and semi-supervised learning of a DCNN for semantic Image Segmentation

一、概述这篇文章研究了如何从弱注释的训练数据（如边界框或图像级标签）或少量强标记图像和许多弱标记图像的组合中学习DCNN用于语义图像分割的问题，在弱超监督和半监督条件下提出了期望最大化（EM）方法。代码：https://bitbucket.org/deeplab/deeplab-public（caffe框架）二、研究内容及方法文章将焦点放在用弱标签训练调参上，所以训练阶段没使用CRF，只在测试阶段

ACGlyt·2020-06-27 01:01

图卷积网络（Semi-Supervised论文思路整理）

在开始之前，多说几句，关于graph和deeplearning结合的工作，想必大家都能猜到名字该怎么取，无非是这几个关键词的组合：Graph，Neural，Network，Convolution…所以，许多工作从paper名字来看并没有多大的区分性。前言现实世界许多数据都是以graph的形式存储的，比如socialnetworks(社交网络),knowledgegraphs(知识图谱),prote

LADADIDADI·2020-06-25 23:11

【GCN】论文笔记：SEMI-SUPERVISED CLASSIFICATION WITH GRAPH CONVOLUTIONAL NETWORKS

本文为论文SEMI-SUPERVISEDCLASSIFICATIONWITHGRAPHCONVOLUTIONALNETWORKS的阅读笔记.github链接：GraphConvolutionalNetworks文章目录SEMI-SUPERVISEDCLASSIFICATIONWITHGRAPHCONVOLUTIONALNETWORKS基于图卷积网络的半监督分类摘要1INTRODUCTION2Gra

夏至夏至520·2020-06-25 21:33

ML之SSL：Semi-Supervised Learning半监督学习的简介、应用、经典案例之详细攻略

ML之SSL：Semi-SupervisedLearning半监督学习的简介、应用、经典案例之详细攻略目录Semi-SupervisedLearning半监督学习的简介1、直推学习Transductivelearning2、归纳学习Inductivelearning3、监督学习、半监督学习和非监督学习之间的区别Semi-SupervisedLearning半监督学习的应用1、SSL根据学习场景可分

一个处女座的程序猿·2020-06-25 19:52

知识蒸馏(Knowledge Distillation)、半监督学习(semi-supervised learning)以及弱监督学习(weak-supervised learning)

一.知识蒸馏1.知识蒸馏（1）首先，我先强调一下蒸馏学习其实本质是模型压缩！模型压缩！模型压缩！S模型有的精度高于T模型，有的低于T模型，但是可以很好地压缩网络体积。（2）知识蒸馏是由Hiton的DistillingtheKnowledgeinaNeuralNetwork论文地址提出，并通过引入与教师网络（TeacherNetwork：网络结构复杂，准确率高一般是我们的Best_Model）相关的

761527200·2020-06-25 16:35

【泛读】NIPS-A Flexible Generative Framework for Graph-based Semi-supervised Learning

AFlexibleGenerativeFrameworkforGraph-basedSemi-supervisedLearningWhat’stheProblem?传统方法和最近的图神经网络没有充分利用特征features、图graphs和标签labels之间的内在关系。许多图神经网络将输入的图只当做一个固定的观察值，而不是一个随机变量Howtosolvethem?利用生成模型对数据、图和标签之间

Show Me The Money·2020-06-25 13:15

课程笔记——Semi-supervised半监督学习

1.半监督学习1.1定义监督学习样本数据例如：图片+标签半监督学习样本数据例如：R个图片+标签，U个图片，通常U>>R。分类：transductivelearning、inductivelearning直推式学习(transductivelearning)：将无标签数据作为测试数据。该做法不算是欺骗（当应用label才算欺骗，该做法仅应用feature）归纳学习(inductivelearning

mintminty·2020-06-24 15:00

【语义分割论文】Leveraging Semi-Supervised Learning in Video Sequences for Urban Scene Segmentation

猪猪的珠珠·2020-06-24 12:33

深度学习几个有价值的研究方向

内容1、Semi-supervised,self-supervised,unsupervisedlearning.俗话说“有多少智能就有多少人工”，那么能

今天又是充满希望的一天·2020-06-24 06:20

论文笔记：Semi-Supervised Classification with Graph Convolutional Networks

Semi-SupervisedClassificationwithGraphConvolutionalNetworks1、四个问题要解决什么问题？半监督任务。给定一个图，其中一部节点已知标签，剩下的未知，要对整个图上的节点进行分类。用了什么方法解决？提出了一种卷积神经网络的变种，即提出了一种新的图卷积方法。使用谱图卷积（spectralgraphconvolution）的局部一阶近似，来确定卷积结

hongbin_xu·2020-06-23 15:48

论文笔记之：Semi-supervised Classification with Graph Convolutional Networks

Semi-supervisedClassificationwithGraphConvolutionalNetworks2018-01-1622:33:361.文章主要思想：2.代码实现（Pytorch）：https://github.com/tkipf/pygcn【Introduction】：本文尝试用GCN进行半监督的分类，通过引入一个graphLaplacianregularizationte

a1424262219·2020-06-22 10:30

图卷积网络之Semi-supervised Classification with Graph Convolutional Networks

Semi-supervisedClassificationwithGraphConvolutionalNetworks文章目录Semi-supervisedClassificationwithGraphConvolutionalNetworks论文记录谱图卷积层级线性模型层间传播规则模型总结参考链接原始文档：https://www.yuque.com/lart/papers/exartx文章是一片

有为少年·2020-06-22 03:56

GCN - Semi-Supervised Classification with Graph Convolutional Networks 用图卷积进行半监督节点分类 ICLR 2017

文章目录Abstract1.Intruduction2.FastApproximateConvolutionsonGraphs（图的快速近似卷积）2.1SpectralGraphConvolutins（谱图卷积）2.2Layer-wiseLinearModel（逐层线性模型）简化：K=1（2个参数的模型）简化：1个参数的模型推广：特征映射公式3.Semi-supervisedNodeClassfi

yyl424525·2020-06-21 15:29

Deeper Insights into Graph Convolutional Networks for Semi-Supervised Learning 深入了解半监督学习的图卷积网络GCN

yyl424525·2020-06-21 15:28

一文看懂半监督学习(Semi-supervised Learning)和自监督学习(Self-Supervised Learning)

前言网络上很多关于此的文章，在这里进行一个梳理参考：https://zhuanlan.zhihu.com/p/33196506https://zhuanlan.zhihu.com/p/139561294https://blog.csdn.net/Cloris_Sue/article/details/105343762https://blog.csdn.net/woshicver/article/d

饮冰l·2020-06-21 06:59

半监督学习综述 A survey on semi-supervised learning

Asurveyonsemi-supervisedlearningAbstractIntroductionBackgroundTaxonomyofsemi-supervisedlearningmethodsWrappermethodsUnsupervisedpreprocessingIntrinsicallysemi-supervisedmethodsTransductivemethodsRelat

努力奋斗-不断进化·2020-04-24 21:35

弱标签(一)：Learning from Semi-Supervised Weak-Label Data 从半监督的弱标签数据中学习

弱标签(一)：LearningfromSemi-SupervisedWeak-LabelData从半监督的弱标签数据中学习最近需要学习一些weak−labelweak-labelweak−label的知识，因此打算看几篇论文并记录一下：摘要多标签学习同时处理与多个标签相关联的数据对象。以前的研究通常假设，对于每个实例，都给出了与每个训练实例相关联的完整的相关标签集，然而，在许多应用程序(如

落花满蹊径·2020-04-24 16:30

Graph mining assisted semi-supervised learning for fraudulent cash-out detection

Introduction伪冒的发生模式伪冒的问题配置1.有监督学习方式：LR，SVM，神经网络2.混合的有监督学习方法3.通过聚类实现的半监督的学习方法4.传统图挖掘和监督学习的混合方法，以下图为例模型是如何在反欺诈商户的识别中发挥作用的（前提1:我们知道客户在欺诈伪冒场景中的好坏前提2:部分已知商户的好坏）MRF估计问题定义此处最重要的一点是变量X：顾客的某个子集和商户的某个子集有直接的，被观测

璆_ca09·2020-04-15 09:32

《SEMI-SUPERVISED CLASSIFICATION WITH GRAPH CONVOLUTIONAL NETWORKS》论文阅读（二）

GCN的定义下面内容参考kipf博客，个人认为是告诉你从直觉上，我们怎么得到GCN图上的定义（而前面的大幅推导是从理论上一步一步来的，也就是说可以用来佐证我们的直觉）我们的网络输入是\(\mathcal{G}=(\mathcal{V},\mathcal{E})\)：即可以用\(N\timesD\)的矩阵\(X\)表示，\(N\)为图上结点个数，\(D\)是每个结点的特征维数同时表示一个图还需要邻接

孔胡子·2020-04-12 15:00

基于图卷积网络的半监督分类（Semi-Supervised Classification With Graph Convolutional Networks）

注：内容非原创，仅作翻译原论文地址：https://arxiv.org/abs/1609.02907摘要：我们提出一个直接操作图本身并且基于图卷积网络的半监督学习的方法，该方法使用图结构数据，它是一种卷积神经网络的变体。我们通过谱图卷积的局部一阶近似来激励卷积结构的选择。我们的模型在图形边的数量上是线性扩展的，并且学习了隐藏层对局部图结构和节点特征进行编码的表示。在“论文的引用网络”（citati

心上那朵云·2020-04-11 13:18

《SEMI-SUPERVISED CLASSIFICATION WITH GRAPH CONVOLUTIONAL NETWORKS》论文阅读

背景简介GCN的提出是为了处理非结构化数据（相对于image像素点而言）。CNN处理规则矩形的网格像素点已经十分成熟，其最大的特点就是利用卷积进行①参数共享②局部连接，如下图：那么类比到非结构数据图（graph），CNN能直接对非结构数据进行同样类似的操作吗？如果不能，我们又该采用其他什么方式呢？首先思考能不能，答案是不能。至少我们无法将graph结构的数据规整到如上图所示的矩形方格中，否则结点之

孔胡子·2020-04-10 21:00

半监督学习的一些文章(Semi-supervised)

那就是两种——半监督学习和ActiveLearning(这种方法需要的样本量更加小）为什么Semi-supervised可以学习？

Ms柠檬·2020-04-05 09:46

《Semi-supervised sequence tagging with bidirectional language models》阅读笔记

论文链接：https://arxiv.org/pdf/1705.00108.pdf从unlabeledtext学习到的wordembeddings已经成为一个NLP任务中的标准组成部分。然而，大多数情况下，recurrentnetwork提取word-level的表示，这种表示包含了上下文信息，在少量标注的数据上训练。本文提出了一种半监督的方法，用来给双向语言模型添加pre-trainedcont

best___me·2020-03-29 02:30

[GCN+FocalLoss] 从数据角度分析实验 of Semi-supervised classification with graph convolutional networks

文章目录Cora数据集信息类别信息样本信息图的性质类别分布论文的实验设置超参数数据集划分模型架构不同损失函数的训练结果nll_lossCElossfocalloss：γ\gammaγ=1.5，α\alphaα_multiple=2三种损失函数的比较结论三种损失函数的信息从训练结果可以看出什么为什么FocalLoss失效了高置信度样本和低置信度样本的矛盾小训练集的过拟合Cora数据集信息Cora数据

Harry嗷·2020-03-25 00:11

Semi-Supervised Multimodal Deep Learning for RGB-D Object Recognition

总体上看，这篇文章的主要贡献包含两块：网络使用AlexNet+自编码器进行预训练，该初始化方法的结果要优于AlexNet+ImageNet的初始化，作者解释原因为：AlexNet+自编码器的方法让网络学到了RGB-D数据中更多的领域知识。该框架提出了“diversitypreservingco-training"方法（多样性保留协同训练）。区别于传统的co-training，该方法在给unlabe

Dorts·2020-03-15 20:47

Semi-supervised Text Classification

PaperPaper1:Semi-supervisedAuto-encoderforSentimentAnalysis.(PublishedinAAAI-2016)PDFPaper2:KATE:K-competitiveAuto-encoderforText.(PublishedinSIGKDD-2017)PDFCodePaper3:VariationalAuto-encoderforSemi-s

FrancesZX·2020-03-10 18:11

[GCN] 代码解析 of GitHub：Semi-supervised classification with graph convolutional networks

本文解析的代码是论文Semi-SupervisedClassificationwithGraphConvolutionalNetworks作者提供的实现代码。原GitHub：GraphConvolutionalNetworksinPyTorch本人增加结果可视化(使用t-SNE算法)的GitHub：Result-Visualization-of-Graph-Convolutional-Networ

Harry嗷·2020-03-03 14:55

论文翻译：2018_Artificial Bandwidth Extension with Memory Inclusion using Semi-supervised Stacked Auto-encoders

论文地址：使用半监督堆栈式自动编码器实现包含记忆的人工带宽扩展作者：PramodBachhav,MassimilianoTodiscoandNicholasEvans博客作者：凌逆战博客地址：https://www.cnblogs.com/LXP-Never/p/10889975.html摘要为了提高宽带设备从窄带设备或基础设施接收语音信号的质量，开发了人工带宽扩展(ABE)算法。以动态特征或从邻

凌逆战·2020-02-24 11:00

李宏毅机器学习（十七）semi-supervised learning半监督学习

什么是半监督学习呢，我们都知道有监督学习是数据都有特征和标签，而半监督的数据除了R部分有标签的，还有U部分无标签但是有特征的。半监督学习也分为transductivelearning和inductivelearning，前者是训练时已知测试数据的学习，而后者是训练好后，拿去训练未知的测试集插图1我们假设要做猫狗的分类，我们可以根据不同颜色，直接选择边界来分类插图2假设我们多了一些未标记的灰色点，形

塔利班头子·2020-02-09 01:01

A holistic approach to semi-supervised learning

BerthelotD,CarliniN,GoodfellowI,etal.Mixmatch:Aholisticapproachtosemi-supervisedlearning[J].arXivpreprintarXiv:1905.02249,2019.https://github.com/samihaija/mixhop半监督学习的核心想法是利用无标注的数据来减轻对有标数据的需求。正则项可分为三

SrdLaplaceGua·2019-10-16 17:59

【Semantic Segmentation】语义分割综述 - - Semi-supervised

【SemanticSegmentation】语义分割综述--Semi-supervisedSemi-supervisedWeakly-SupervisedSemanticSegmentationbyIterativelyMiningCommonObjectFeaturesCVPR18Weakly-SupervisedSemanticSegmentationNetworkWithDeepSeeded

Arron_hou·2019-09-20 18:42

Semi-supervised Domain Adaptation via Minimax Entropy

摘要算法整个网络分为两个部分：特征提取器F：采用主流的cnn网络，去掉最后的线性分类层分类器C：k类别的线性分类器图片x先输入到F中，得到F(x)。再计算l-2范数归一化后，得到f(x)∥f(x)∥\frac{f(x)}{\Vertf(x)\Vert}∥f(x)∥f(x)。然后输入到分类器C中，得到1TWTf(x)∥f(x)∥\frac{1}{T}\frac{W^Tf(x)}{\Vertf(x)\

蜉蝣之翼❉·2019-08-25 08:57

机器学习系列1：线性回归详解

3.半监督学习（Semi-supervised

_世界和平_·2019-05-25 10:28

Semi-Supervised Classification with Graph Convolutional Networks

Semi-SupervisedClassificationwithGraphConvolutionalNetworks原问地址时间：2017Intro要解决的问题：图上的结点分类，其中只有小部分结点有label。这是一个基于图的半监督学习，可以通过在损失函数中额外加一项graph-basedregularization来解决：其中L0\mathcal{L}_0L0表示label的损失，fff表示神

luputo·2019-05-24 17:20

Weakly- and Semi-Supervised Learning of a Deep Convolutional Network for Semantic Image Segmentation

abstractDeepconvolutionalneuralnetworks(DCNNs)trainedonalargenumberofimageswithstrongpixel-levelannotationshaverecentlysignificantlypushedthestate-of-artinsemanticimagesegmentation.Westudythemorechall

dzm123lalala·2019-05-09 15:19

【论文阅读】医疗影像分割中的半监督学习Semi-supervised

一TransformationConsistentSelf-ensemblingModelforSemi-supervisedMedicalImageSegmentation前言医疗影像的数据紧缺问题我就不再多bibi了，为了解决这个问题，出现了很多的方法，像主动学习，迁移学习，半监督学习等弱监督学习方法，部分方法在图像分类中有很突出的应用。但是！图像分割尤其是医疗影像分割方面的弱监督方法还有待发

chestnut--·2019-05-08 13:09

ml p20 semi-supervised

概览p20:semi-supervised疑问5.做的步骤那边没有听懂，6的解释可以参考着看看9看的不是很懂笔记B站19年李宏毅P201.Introduction利用没有标记的data做机器学习介绍2.

叫兽吃橙子·2019-05-02 20:47

李宏毅机器学习笔记6：Why deep、Semi-supervised

李宏毅老师的机器学习课程和吴恩达老师的机器学习课程都是都是ML和DL非常好的入门资料，在YouTube、网易云课堂、B站都能观看到相应的课程视频，接下来这一系列的博客我都将记录老师上课的笔记以及自己对这些知识内容的理解与补充。(本笔记配合李宏毅老师的视频一起使用效果更佳！）Lecture8：Whydeep？1.ShallownetworkVSDeepnetwork在比较浅层网络与深层网络时，要让“

控球强迫症·2019-04-22 13:00

Semi-supervised Classification with Graph Convolutional Networks

今天准备在所里分享的文章，GCN的提出论文，2017年发表在ICLR上，目前（截止到2019/4/20）在谷歌学术上被引用了近1000次。

烟雨风渡·2019-04-20 10:08

Semi-Supervised Sequence Modeling with Cross-View Training

参考链接论文链接：https://arxiv.org/abs/1809.08370代码链接：https://github.com/tensorflow/models/tree/master/research/cvt_text一、概述：注意：下面所说的“表示”可以简单理解为embeding(词向量)无监督表示(representationlearning)学习算法（如word2vec和ELMo）可以

大白菜—NLP·2019-04-02 19:06

读论文《Semi-Supervised Recursive Autoencoders for Predicting Sentiment Distributions》

读论文《Semi-SupervisedRecursiveAutoencodersforPredictingSentimentDistributions》文章主要介绍了使用递归自编码器做句子情感分类的方法。和之前的方法相比，本文的算法没有使用任何预设定的情感词汇和极性转换规则。并在moviereviews数据集上取得了SOTA的效果。当时主流的方法还是词袋模型，但词袋模型无法很好的句法信息，而一些改

Doit_·2019-03-28 22:57

Semi-Supervised 图卷积

简单的例子：https://towardsdatascience.com/how-to-do-deep-learning-on-graphs-with-graph-convolutional-networks-7d2250723780https://towardsdatascience.com/how-to-do-deep-learning-on-graphs-with-graph-convolu

NockinOnHeavensDoor·2019-03-18 13:10

【阅读笔记】《Weakly- and Semi-Supervised Panoptic Segmentation》（一）——论文部分

本文记录了博主阅读论文《Weakly-andSemi-SupervisedPanopticSegmentation》的笔记，论文有代码，主页。更新于2019.03.05。文章目录摘要IntroductionRelatedWorkProposedApproachTrainingwithweakersupervisionApproximategroundtruthfromboundingboxanno

ShuqiaoS·2019-03-04 09:21

【转】SEE: Towards Semi-Supervised End-to-End Scene Text Recognition

SEE:TowardsSemi-SupervisedEnd-to-EndSceneTextRecognition@jxlxt推荐#ObjectRecognition本文设计了一个端到端的半监督文本检测和识别模型，通过在SVNH和FSNS数据集上验证了该模型的work。文章的模型不需要提供文本检测的boundingbox只需要提供正确的label，然后通过预测误差反向传播修正文本检测结果。端到端的模

Mein_Augenstern·2019-01-16 13:35

行人重识别论文（三）--Semi-supervised person Re-Identification using multi-view clustering

论文获取地址：https://www.sciencedirect.com/science/article/pii/S0031320318304126使用多视图聚类的半监督行人重识别主要贡献•设计了一种用于人员重新识别的半监督特征表示框架，其有效地利用标记和未标记的训练数据来学习辨别表示，从而可以可靠地匹配不相交的摄像机视图上的人物图像。•提出了一种多视图聚类方法，将来自多个卷积神经网络的特征进行聚

展希希鸿·2018-12-29 10:41

神经网络和 NLP —— Cascaded, Multi-task and Semi-supervised Learning

当初入门NLP读的《NeturalNetworkforNaturalLanguageProcessing》，收获颇丰。入门后，改成了读paper和code，没有完整读完这本书，最近得空，把后几章补上，算是完整吧。不少内容在读paper时，已经深入了解过，这里就简单带过了，感兴趣的建议精读原书和参考文献吧。本文介绍串联学习、多任务学习、半监督学习。1Cascadedlearning在NLP中，有时需

TangowL·2018-12-15 14:53

Strong Baselines for Neural Semi-supervised Learning under Domain Shift半监督学习

2018ACL论文StrongBaselinesforNeuralSemi-supervisedLearningunderDomainShift不同数据集的迁移学习MT-Tri方法在情感分析上（无监督域适应）超过DANN方法半监督学习结合了监督学习和无监督学习方法，能在有标签但标签不完整的数据中使用机器学习算法。本文重点介绍半监督学习算法中特殊算法，它们能在未标记数据上生成代理标签（proxy-l

Adupanfei·2018-10-07 23:00

机器学习与深度学习系列连载：第一部分机器学习（十三）半监督学习（semi-supervised learning）

在实际数据收集的过程中，带标签的数据远远少于未带标签的数据。我们据需要用带label和不带label的数据一起进行学习，我们称作半监督学习。Transductivelearning：没有标签的数据是测试数据Inductivelearning：没有标签的数据不是测试数据为什么没有标签的数据会帮助我们学习呢？是因为没有标签数据的分布可能会告诉我们一些潜在的规律。1.半监督生成模型Semi-superv

人工智能插班生·2018-10-03 14:41

推荐频道

semi-supervised