supervised 第17页

Supervised learning and Unsupervised learning

1、SupervisedLearning(监督学习)Definition:togivethealgorithmadatasetinwhichthe"rightanswers"weregiven.Forexample,inahousingpricepredictionmodel,foreachsizeofhouseinthisdataset,wetolditwhatistherightprice(t

Patarw·2022-01-17 22:52

图神经网络：GraphSAGE源代码完全解读（tensorflow）

williamleif/GraphSAGE.git再下载一下所需要的蛋白质数据ppi.zip链接在http://snap.stanford.edu/graphsage/直接启动项目下的example_supervised.s

xiaogp·2022-01-06 14:46

(D3DFR)Accurate 3D Face Reconstruction with Weakly-Supervised Learning From Single Image to Image...

亮点：主要是提出了通过同一人多张图来生成更精细的人脸3D模型的方案，主要框架是基于3DMM的。Lambertiansurface-朗伯面：即入射光会向所有方向均匀反射，也即漫反射的期望状态sphericalharmoniclighting-球谐光照：就是用来模拟光照的一个方案。类似于傅里叶变换，将一个复杂的函数分解为多个正交的基底函数，通过计算他们的系数来获得最终的结果。主要目的是为了快速模拟复杂

深蓝蓝蓝蓝蓝·2022-01-05 12:03

Ubuntu 安装 Redis

wangxin1248.github.io...使用apt从官方Ubuntu存储库安装Redis：sudoaptupdatesudoaptinstallredis-server打开Redis的配置文件：在文件中，找到supervised

·2021-11-05 12:40

AAAI2021论文解读：Distilling Localization for Self-Supervised Representation Learning

这篇论文的核心是通过显著性估计的方法将图像前景粘贴到其他背景图像中，进行对比学习，对比学习部门完全沿用现用方法，所以应用在下游任务如检测，单实例多实例的矛盾仍然没有解决，但是本文尝试解决解决的是通过复制粘贴的方式学到背景不变性，学到了背景不变性意味着模型学习到了区分前后景，对检测任务是有帮助的。摘要：现有的自监督学习的一大缺陷是无法定位前景目标，导致其无法提取有判别力的高级特征。本文提出的方法是先

赵小闹闹·2021-11-02 09:22

A Survey on Contrastive Self-Supervised Learning(对比式自监督学习研究)-----pretext tasks、Downstream task解释

摘自MDPI：ASurveyonContrastiveSelf-SupervisedLearning摘要部分：Self-supervisedlearning(自监督学习)hasgainedpopularitybecauseofitsabilitytoavoidthecostofannotating(给…做注释)large-scaledatasets.Itiscapableofadoptingsel

秃头小苏·2021-10-03 17:10

【论文翻译】GCN-Semi-Supervised Classification with Graph Convolutional Networks（ICLR）

学习总结传统深度学习模型如LSTM和CNN在欧式空间中表现不俗，却无法直接应用在非欧式数据上。因此大佬们通过引入图论中抽象意义上的“图”来表示非欧式空间中的结构化数据，并通过图卷积网络来提取（graph）的拓扑结构，以挖掘蕴藏在图结构数据中的深层次信息。GCN的本质：图中的每个结点无时无刻不因为邻居和更远的点的影响而在改变着自己的状态直到最终的平衡，关系越亲近的邻居影响越大。KipfKipfKip

奇跡の山·2021-10-01 18:49

论文阅读“ConSERT: A Contrastive Framework for Self-Supervised Sentence Representation Transfer”

YanY,LiR,WangS,etal.ConSERT:AContrastiveFrameworkforSelf-SupervisedSentenceRepresentationTransfer[J].arXivpreprintarXiv:2105.11741,2021.摘要粗读学习高质量的句子表征有利于广泛的自然语言处理任务。虽然基于BERT的预训练语言模型在许多下游任务上都取得了很高的性能，但

掉了西红柿皮_Kee·2021-09-15 21:07

论文解读CutPaste: Self-Supervised Learning for Anomaly Detection and Localization

本文想解决是单分类问题，通过对正常样本的学习，检测出未知类型的异常，更倾向于缺陷检测。方法整体流程分为两步，首先基于自监督学习方法学习样本表征，继而通过一个单分类器对表征进行分类。通过文中提出的CutPaste实现对于正常样本的表征学习及分类。CutPaste是一种数据增强方法，从图像中裁剪出一块矩形区域粘贴到任意位置。cutpaste的目的是产生空间上的不规则性，作为不参与训练的真实缺陷的近似值

赵小闹闹·2021-08-30 15:14

Supervised classification of slightly bruised peaches with respect to the time after bruising by usi

利用高光谱成像技术对轻度损伤桃子损伤后时间的监督分类Abstract桃子对机械冲击和压缩造成的瘀伤很敏感。受损伤的桃子在损伤发生后容易发酵、腐烂或发霉，并感染其他非损伤桃子。适度的擦伤会阻碍消费者的购买欲望，而不是价格。对于早期损伤的桃子，软化和褐变不会立即出现（在2天内），并且很难区分果实损伤的问题。利用高分泌成像仪采集正常桃和碰撞后12、24、36、48h的数据，分析这五种桃的光谱特征，建立碰

是谁家的小月亮·2021-08-15 16:42

text classification with RNN

条是测试集首先我们需要加载数据集，可以通过TFDS很简单的把数据集下载过来，如下代码所示dataset,info=tfds.load('imdb_reviews',with_info=True,as_supervised

·2021-07-27 20:51

论文阅读“Semi-supervised clustering with deep metric learning and graph embedding”

LiX,YinH,ZhouK,etal.Semi-supervisedclusteringwithdeepmetriclearningandgraphembedding[J].WorldWideWeb,2020,23(2):781-798.摘要翻译聚类作为社交网络中的一种常见技术，因其高性能而引起了广泛的研究兴趣，并提出了许多聚类方法。现有聚类方法是基于无监督学习的。事实上，我们通常可以在实际应用

掉了西红柿皮_Kee·2021-07-05 18:57

KDD 2017 Bridging Collaborative Filtering and Semi-Supervised Learning: A Neural Approach for POI...

原文地址，对文章关键点进行整理，本文主要参考文献，也对其相关内容进行整理参考1wordembedding与矩阵分解的内在一致性2浅谈流形学习3统计学假设检验中p值的含义具体是什么？-马同学的回答-知乎

CherrySSS·2021-06-26 10:52

论文3D Deeply Supervised Network for Automatic Liver Segmentation from CT Volumes解读

论文地址：https://arxiv.org/abs/1607.00582这是一篇MICCAI2016关于肝脏分割的论文，使用了3D卷积神经网络，难点是虚线里面的部分，如何体现出三个输出的监督作用，最初感觉是在损失函数里面体现出来，尝试把损失函数的一个预测变量改成三个，但运行网络总是报错，后来反复理解这三个输出如何起作用，以及下图中三个输出和label之间的虚线，搜索了与多输出有关的技术博客，最后

chunleiml·2021-06-21 00:39

监督学习（supervised learning）与非监督学习（unsupervised learning）

一，监督学习（supervisedlearning）:监督学习（supervisedlearning）的任务是学习一个模型，使模型能够对任意给定的输入，对其相应的输出做出一个好的预测。即：利用训练数据集学习一个模型，再用模型对测试样本集进行预测。例如kaggle上的泰坦尼克号比赛。官方提供旅客数据——数据集1（姓名，年龄，性别，社会经济阶层，是否生存等），要求参赛选手建立一个预测模型来回答“另外4

九月猫娘·2021-06-10 22:02

自杀小队 task force X program

pichleverage筹码rage愤怒sorceress女巫dimension次元witch女巫terroist恐怖分子ass驴臀部errand差事差使evacuee撤离民众representative代表supervised

灵泷女·2021-05-12 06:12

3. Types of Learning

1.不同的输出空间(DifferentOutputSpaceY)classification,regression,structured2.不同的数据标签(DifferentDataLabelyn)supervised

小蒋KK·2021-05-10 23:08

[2021 IJCV] Intra-Camera Supervised Person Re-Identification 论文笔记

目录BackgroundMotivationRelatedWorkProblemDefinitionMethodologyPer-CameraMulti-TaskLearningMulti-CameraMulti-LableLearningCurriculumCyclicAssociationMulti-LabelLearningEvaluationDatasetsEvaluationIndexe

咋个办·2021-04-23 16:48

论文分享--＞GCN--＞SEMI-SUPERVISED CLASSIFICATION WITH GRAPH CONVOLUTIONAL NETWORKS

本次要总结和分享的是ICLR2017的关于GCN方面的代表作之一论文：SEMI-SUPERVISEDCLASSIFICATIONWITHGRAPHCONVOLUTIONALNETWORKS，论文链接为paper，参考的实现代码为pygcn文章目录先导知识论文动机模型切比雪夫逼近卷积核函数图上的快速近似卷积半监督节点分类实验核心代码分析个人总结参考资料先导知识在读这篇论文之前，需要对先导论文Conv

村头陶员外·2021-04-10 23:53

吴恩达课程听课笔记1 监督学习（supervised learning），无监督学习(unspervised learning)

大地之灯·2021-04-08 02:42

自然语言处理(NLP)-1.1 监督学习与情感分析(Supervised ML & Sentiment Analysis)

1.监督学习与情感分析（SupervisedML&SentimentAnalysis）1.1监督学习输入：在监督学习中，需要输入特征(Features)和对应的标签(Labels)目的：尽可能减少损失值，使模型能较精准预测结果简要流程：(1)将特征X输入预测函数(模型)中，计算得到对应的预测标签(2)通过损失函数计算Y与之间的差异，即损失值(loss)，损失值越小，说明模型效果越好，预测越准确(3

Ogmx·2021-03-18 21:05

graphsage：example_supervised.sh在docker中运行

由于直接使用linux自带的python2.7和pip无法直接运行supervised.sh故本文介绍如何解决这个问题问题：root@862cbef0b220:/notebooks#shexample_supervised.sh

xslwyz·2021-01-30 20:24

graphsage：example_unsupervised.sh在docker中运行

代码跑通下载项目https://github.com/xslwyz/GraphSAGE安装docker将GraphSAGE项目拷贝到linux中并且将项目根目录.sh文件中的内容做如下修改#example_supervised.shpython-mgraphsage.supervised_train

xslwyz·2021-01-30 17:37

Pycharm 使用 tensorflow_datasets 错误【Failed to construct dataset ...】

2.1.0importtensorflow_datasetsastfdsdatasets,info=tfds.load('imdb_reviews/subwords8k',with_info=True,as_supervised

库乐·2021-01-22 09:49

多模态阅读笔记 Noise Estimation Using Density Estimation for Self-Supervised Multimodal Learning

NoiseEstimationUsingDensityEstimationforSelf-SupervisedMultimodalLearning这篇文件讲的是，按照现有多模态的任务，往往会出现噪音的问题，噪声使得模型一直得不到最好结果，而这篇文章提出一个去噪方法，自监督的去训练一个去噪模块来消除噪声，实验结果显示，用此方法，能够直接提高VQA，Text-To-VideoRetrieval等任务的

B站：阿里武·2021-01-12 22:25

Deep Supervised and Contractive Neural Network for SAR Image Classification

DeepSupervisedandContractiveNeuralNetworkforSARImageClassificationAbstractMethodResultsNoteAbstractTheclassificationofasyntheticapertureradar(SAR)imageisasignificantyetchallengingtask,duetothepresence

毛毛真nice·2021-01-01 22:30

论文推荐：Self-Supervised Hyperboloid Representations from Logical Queries over Knowledge Graphs

论文名称：Self-SupervisedHyperboloidRepresentationsfromLogicalQueriesoverKnowledgeGraphs推荐理由：知识图（KG）是信息存储在Web，搜索，电子商务，社交网络和生物学等多个实际应用中的普遍存在的结构。由于KG的规模和复杂性，查询KG仍然是一个基础且具有挑战性的问题。解决该问题的有前途的方法包括将KG单元（例如，实体和关系）

AMiner科技·2020-12-28 21:09

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

人工智能-机器学习-算法-半监督学习：半监督学习（Semi-supervisedLearning）算法一、半监督学习算法提出的背景1、监督学习算法2、无监督学习算法3、监督学习的特征选择方法4、无监督学习的特征选择方法5、问题的提出二、学术名词区分1、主动学习（activelearning）2、归纳式学习（inductivelearning）3、直推式学习（transductivelearning

ninjawei·2020-12-23 22:52

Self-supervised Learning in CV 计算机视觉中的自监督学习

文章目录为什么需要自监督学习？什么是自监督学习？PretextTask进一步理解PretextTaskClustering&ContrastiveLearningContrastiveSelf-supervisedLearningLearningDeepInfoMaxContrastivePredictiveCodingLearningInvariancewithContrastiveLearni

我是大黄同学呀·2020-12-05 21:03

监督学习 Supervised Learning

重要前提1.监督学习假设数据是独立同分布产生的2.监督学习假设输入X与输出Y遵循联合概率分布P(X,Y)3.监督学习与非监督学习的主要区别是，在非监督学习中，类别信息是不被提前知道的，在学习的过程中使用的训练样本通常不具有标记信息模型监督学习的模型可以是概率模型或者非概率模型。前者由条件分布P(Y|X)表示，后者由决策函数Y=f(X)表示学习策略：即“按照什么样的准则学习或选择最优的模型”1.损失

doreenador·2020-12-04 11:48

【GCN】论文浅读：SEMI-SUPERVISED CLASSIFICATION WITH GRAPH CONVOLUTIONAL NETWORKS

GCNGCN：图卷积网络SEMI-SUPERVISEDCLASSIFICATIONWITHGRAPHCONVOLUTIONALNETWORKS：基于图卷积网络的半监督分类任务在图结构数据中，一部节点已知标签，剩下的节点标签未知，使用已知标签的节点训练卷积神经网络，使用网络模型对无标签的节点进行分类。方法（模型）提出了一种可扩展的基于图结构数据的半监督分类方法。分层传播规则：通过谱图卷积（spect

没有胡子的猫·2020-11-12 19:29

机器学习涉及到的算法

continuous:连续categorical:离散unsupervised:无监督告诉机器特征，让机器去总结聚类supervised:有监督告诉机器特征与结果，让机器学习了，然后预测Clustering

GoLearning轻松学英语·2020-10-11 15:56

【ACL2019论文解读】Self-Supervised Learning for Contextualized Extractive Summarization

本文引入三个预训练任务，用自监督（self-supervised）方法捕获文档全局特征。使用CNN/DailyMail数

木尧大兄弟·2020-09-16 01:03

Lifelong Learning CRF for Supervised Aspect Extraction解析

文章基本信息标题：LifelongLearningCRFforSupervisedAspectExtraction作者：LeiShu,HuXu,BingLiu机构：DepartmentofComputerScience,UniversityofIllinoisatChicago,USA收录信息：Proceedingsofthe55thAnnualMeetingoftheAssociationfor

waterdream19·2020-09-16 01:36

Reptile: On First-Order Meta-Learning Algorithms

OnFirst-OrderMeta-LearningAlgorithmsPaper:https://arxiv.org/pdf/1803.02999.pdfCode:https://github.com/openai/supervised-reptileTips

Seyanh Qiang·2020-09-16 01:57

2018-CVPR-Self-Supervised Learning for Stereo Matching with Self-Improving Ability阅读笔记

SsSMnet,designedbyYiranZhong,YuchaoDai,andHongdongLi,couldbeseperatedintofivepart.Fristpartisfeatureextraction.ThestructureofitisgenenarlCNN,despiteof

SiKongPop·2020-09-15 22:02

《Dual Graph Convolutional Networks for Graph-Based Semi-Supervised Classification》论文理解

1.DualGCN模型框架模型采用并行的两个简单的前馈网络ConvA,ConvPConv_A,Conv_PConvA,ConvP，其区别仅仅时输入的图结构信息不同，并且这两个并行图卷积的参数是共享的。首先，上面支路利用有标签的节点计算交叉熵损失，并对网络参数进行训练，得到一种后验分布。之后逐渐增加下面支路得到的均方差损失的权值，使得两个损失同时对模型参数产生影响。2.局部一致性卷积在实现局部一致性

monster.YC·2020-09-15 20:25

Abnormal Detection（异常检测）和 Supervised Learning（有监督训练）在异常检测上的应用初探...

1.异常检测VS监督学习0x1：异常检测算法和监督学习算法的对比总结来讲：1.在异常检测中，异常点是少之又少，大部分是正常样本，异常只是相对小概率事件2.异常点的特征表现非常不集中，即异常种类非常多，千奇百怪。直白地说：正常的情况大同小异，而异常各不相同。这种情况用有限的正例样本（异常点）给有监督模型学习就很难从中学到有效的规律0x2：常见的有监督学习检测算法这块主要依靠庞大的打标样本，借助像DL

Linux????? Mr.Liyz·2020-09-15 20:26

Just Go with the Flow: Self-Supervised Scene Flow Estimation[CVPR2020 Oral]

[论文链接]\qquad现有的估计场景流的方法都需要有标注的场景流数据去使用监督的方法训练网络。本文作者提出了使用两个自监督损失函数训练（场景流估计）网络的方法，这两个损失函数分别基于最近邻和cycleconsistency（不知道该怎么翻译。。。）。自监督的训练方法使得大量没有标注信息的自动驾驶数据集可以用于训练网络。使用本篇文章自监督方法训练的网络，表现与目前最好的使用监督方法学习的网络效果相

CXY_Likescoding·2020-09-15 19:28

自监督微光增强论文解读：Self-supervised Image Enhancement Network: Training with Low Light Images Only

论文地址：https://arxiv.org/abs/2002.11300项目地址：https://github.com/hitzhangyu/Self-supervised-Image-Enhancement-Network-Training-With-Low-Light-Images-Only

import_torch_as_tf·2020-09-15 07:23

论文笔记之哈希学习比较--《Supervised Hashing with Kernels》《Towards Optimal Binary Code Learning via Ordinal Embe.

最近在看关于哈希学习的几篇论文，下面利用博客记录一下阅读笔记和比较。论文名字论文出处类型HashfunctionBalancefunctionOptimizationlossfunctionpairSupervisedHashingwithKernelscvpr2012Supervisedkernelfunctionbitbalance（哈希码平衡）Greedy+sigmoidSmoothng+R

dijiang0473·2020-09-15 04:52

Improving Facial Attribute Prediction using Semantic Segmentation, in arxiv 2017.04

笔者最近在关注fine-grained方面的paper，发现有以下的方面去做：1part-based2weakly-supervised的，如second-orderlesspooling（CompactBilinearPooling

_menglan_Zi·2020-09-14 16:25

李宏毅机器学习笔记-12：Semi-supervised Learning半监督学习

Machinelearning机器学习是Artificialinteligence的核心，分为四类：1.Supervisedlearning监督学习是有特征（feature）和标签（label）的，即便是没有标签的，机器也是可以通过特征和标签之间的关系，判断出标签。举例子理解：高考试题是在考试前就有标准答案的，在学习和做题的过程中，可以对照答案，分析问题找出方法。在高考题没有给出答案的时候，也是可

墨九南烟·2020-09-14 15:43

Semi-Supervised Training for Improving Data Efficiency in End-to-End Speech Synthesis

原文链接：https://arxiv.org/abs/1808.10128作者：Yu-AnChung，YuxuanWangabstract想要解决合成中数据昂贵的问题，希望用网上公开的数据和少量合成数据(不足半小时），训练tacotron。（1）将inputtext中的word转成wordvector训练tacotron-encoder；（2）unpairedspeechcorpus训练tacot

林林宋·2020-09-13 12:35

机器学习10 -- 半监督学习 Semi-supervised Learning

1为什么要做半监督学习有监督机器学习已经在很多领域证明了它的有效性，比如ImageNet图像分类任务，深度学习模型早在2017年，准确率就已经超过了人类。机器学习被认为是一门数据驱动的学科，数据分为两部分，data和label。通常情况下，data是比较容易获取的，而label需要标注，要珍贵很多。比如对于图像分类任务，网络上有成千上万的图片数据，但他们大多数都是没有label标注的。通常情况下，

谢杨易·2020-09-13 09:09

cluster 聚类分析

聚类分析被称之为unsupervised分析，一个跟它相似的概念是分类(classification)模型，不同的是，分类模型预先知道一共有几个类别，每个类别的定义是什么，所以叫做supervised。

iteye_7454·2020-09-12 19:58

RASA踩坑系列-交互式学习出现Error : This event loop is already running

python-mrasainteractive-mmodels/20200828-110015.tar.gz--endpointsconfigs/endpoints.yml--configconfigs/zh_jieba_supervised_embeddings_config.yml

karmalk·2020-09-12 18:52

论文阅读笔记 [ICLR 2018] Meta-Learning For Semi-Supervised Few-Shot

半监督小样本分类的元学习论文原文链接：https://arxiv.org/abs/1803.00676摘要在小样本分类中，人们感兴趣的学习算法是，仅根据少量带标记样例训练分类器的算法。元学习是近年来小样本分类研究的一大特色，元学习定义了一个学习算法的参数化模型，并在代表不同分类问题的片段上进行训练，每个片段都有一个小的带标记训练集和相应的测试集。本文中，作者将这种小样本分类模式推进到一个新场景中，

勇敢的仙人掌·2020-09-12 16:55

weka中对数值型数据离散化

连续数值离散化大致可分为：1）有监督（supervised）和2）无监督（unsupervised）两类。

我是一只小兔纸咿呀咿呀呦·2020-09-12 14:33

Pytorch的ignite库

high-level封装训练和测试代码的库，使用库里的对象和函数，我们就会更加简洁的写出训练和测试模型的代码，下面先给出具体的使用例子：fromignite.engineimportEvents,create_supervised_trainer

winycg·2020-09-12 08:41

推荐频道

supervised