unsupervised

Unsupervised Learning-Deep Auto-encoder(无监督学习之自编码器)

摘要：本章主要是关于自编码器的原理及其应用，自编码器是一种无监督学习方法，可用于数据降维及特征抽取。其中自编码器由编码器（Encoder）和解码器（Decoder）两部分组成。编码器通常对输入对象进行压缩表示，解码器对经压缩表示后的code进行解码重构。Auto-encoder还可以对模型进行预训练，得到好的模型初始化的参数。以及Auto-encoder可以对数据进行降维处理，且降维后的数据可以很
HSR CatcousCherishes·2022-08-30 07:00

Machine Learning Algorithms Study Notes(4)—无监督学习（unsupervised learning）

1UnsupervisedLearning1.1k-meansclusteringalgorithm1.1.1算法思想1.1.2k-means的不足之处1.1.3如何选择K值1.1.4SparkMLlib实现k-means算法1.2MixtureofGaussiansandtheEMalgorithm1.3TheEMAlgorithm1.4PrincipalComponentsAnalysis1.
风雪夜归子·2022-08-30 07:24

对比学习系列论文MoCo v1（二）：Momentum Contrast for Unsupervised Visual Representation Learning

0.Abstract0.1逐句翻译WepresentMomentumContrast(MoCo)forunsupervisedvisualrepresentationlearning.我们提出了动量对比(MoCo)用于无监督视觉表征学习。Fromaperspectiveoncontrastivelearningasdictionarylook-up,webuildadynamicdictionar
BuptBf·2022-08-30 07:47

论文阅读“FoldingNet: Interpretable Unsupervised Learning on 3D Point Clouds”

FoldingNet:InterpretableUnsupervisedLearningon3DPointClouds详细信息1.摘要2.问题3.思路4.方法graph-based编码器Folding-based解码器5.平台6.验证7.评价详细信息CVPR2018YaoqingYang,ChenFeng,YiruShen,DongTian1.摘要最近直接处理点集中的点的深度网络，例如PointN
zycongzz·2022-08-30 07:17

Unsupervised Learning of Depth and Ego-Motion from Video论文见解

UnsupervisedLearningofDepthandEgo-MotionfromVideo论文见解摘要这篇文章提出了一种学习框架：从视频序列中估计图片的深度和相机的Pose。用到的是端到端的学习方法。它是把视图合成作为监督信号的；所以是无监督的。用depth和pose来进行wrapping；然后再用真实的图片和wrapping出来的图片做Loss.以此来训练模型。方法介绍：其中Depth和
春江水暖谁先知·2022-08-30 07:16

深度学习(十) Unsupervised Learning 理论部分

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UnsupervisedLearning理论部分前言一、无监督学习与监督学习的区别二、K-means1.K-means的优缺点2.各种距离3.K-means算法三、HAC(层次汇合聚类)1.HAC的优缺点2.HAC的算法过程四、PCA算法(主成分分析)1.为什么要使用PCA算法？2.PCA算法的优缺点3.奇异阵分解(SVD)1.奇异阵
Ali forever·2022-08-30 07:24

图机器学习（Graph Machine Learning）- 第三章 无监督图学习2 （Unsupervised Graph Learning）- 自编码器

第三章无监督图学习2-自编码器AutoEncoder文章目录第三章无监督图学习2-自编码器AutoEncoder3.2自编码器AutoEncoder3.2.1TensorFlow和Keras——一个强大的组合3.2.2第一个自编码器3.2.3降噪自编码器Denoisingautoencoders3.3图自编码器Graphautoencoders总结3.2自编码器AutoEncoder自动编码器是一
无穷范数·2022-08-24 07:49

论文分享-- >异常检测-- >Deep Autoencoding Gaussian Mixture Model for Unsupervised Anomaly Detection

博客内容将首发在微信公众号"跟我一起读论文啦啦"，上面会定期分享机器学习、深度学习、数据挖掘、自然语言处理等高质量论文，欢迎关注！本文将总结分享ICLR2018论文DeepAutoencodingGaussianMixtureModelforUnsupervisedAnomalyDetection，论文链接DAGMM，参考的代码链接CODE，本论文旨在将神经网络、EM与GMM有机结合起来，做无监督
村头陶员外·2022-08-02 16:01

CVPR2019/图像翻译：TransGaGa: Geometry-Aware Unsupervised Image-to-Image Translation几何感知的无监督图像到图像的翻译

CVF2019/图像翻译：TransGaGa:Geometry-AwareUnsupervisedImage-to-ImageTranslation几何感知的无监督图像到图像的翻译0.摘要1.概述2.相关工作2.1.图像到图像的翻译2.2.结构特征的学习2.3.特征的解耦合3.方法3.1.学习解耦合结构和风格编码器3.2.几何估计的先验损失3.3.外观转换器3.4.几何转换器3.5.其他约束4.实
HheeFish·2022-07-28 11:26

UDA/语义分割-ColorMapGAN: Unsupervised Domain Adaptation for Semantic Segmentation Using Color Mapping G

ColorMapGAN:UnsupervisedDomainAdaptationforSemanticSegmentationUsingColorMappingGenerativeAdversarialNetworksColorMapGAN:基于颜色映射生成对抗网络的无监督域适应语义分割0.摘要1.概述2.相关工作2.1.计算机视觉2.2.遥感2.3.对抗生成神经网络2.4.我们的贡献3.方法3.
HheeFish·2022-07-28 11:56

Multimodal Unsupervised Image-to-Image Translation多通道无监督图像翻译

前言：基于GAN的图像翻译方向一直很火爆，上次介绍了一个无法复现的SketchyGAN，非常失望。这次介绍一个来自英伟达研究院无监督GAN的图像翻译工作MUNIT，下一篇介绍同样是无监督图像翻译工作的《UnsupervisedSketch-to-PhotoSynthesis》比较二者的异同，思考能给现在的工作带来的启发。目录主要贡献方法详解部分共享潜在空间假设
沉迷单车的追风少年·2022-07-28 11:21

【去雨】Self-Learning Video Rain Streak Removal: When Cyclic Consistency Meets Temporal Correspondence

.#)终于要开启我的第一篇记录blog了欢迎浏览，欢迎指导，共同进步~关键词derain,unsupervised,temporalconsistency有关去雨的分类雨=>雨纹&雨滴去雨=>视频去雨+
属于菜卷的博客·2022-07-13 07:40

VidSage: Unsupervised Video Representational Learning with Graph Convolutional Networks个人论文笔记

模型主要从视觉和语义上编码一个视频：通过预训练的图像特征提取器提取视觉特征，再通过GCN变体来传播背景信息，获取视频语义3DCNN,LSTM,GCN(提取每帧人的关节作为关键点后产生的图像来预测动作)1.介绍通过GCN来对视频间的概念关联性进行建模：创建一个图GraphG，里面每个视频作为一个节点，然后基于视频间的语义相似性来形成节点间不同的连接；首先通过对比预训练好的图片特征提取器计算视频内平均
ystsaan·2022-07-10 12:46

论文解读（USIB）《Towards Explanation for Unsupervised Graph-Level Representation Learning》

论文信息论文标题：TowardsExplanationforUnsupervisedGraph-LevelRepresentationLearning论文作者：QinghuaZheng,JihongWang,MinnanLuo,YaoliangYu,JundongLi
Learner-·2022-06-21 16:00

Challenges in unsupervised clustering of single-cell RNA-seq data

Abstract我们从计算的角度讨论为什么聚类是一个具有挑战性的问题数据的哪些方面使它具有挑战性与已识别种类的生物学解释和注释相关的困难Introduction微流体技术的进步使分离大量细胞成为可能，随着RNA分离和扩增方法的改进，现在可以利用下一代测序技术分析单个细胞的转录组。技术的发展速度惊人。scRNA-seq数据的计算分析涉及几个步骤qualitycontrolmappingquantif
缓慢的爬虫·2022-06-12 19:00

基于生成对抗网络的无监督单幅图像去雾（Unsupervised single image dehazing with generative adversarial network_2021）

摘要：本文提出了一种基于GAN的无监督去雾算法来缓解这个问题。建立了一个基于GAN架构的端到端网络，并提供了未配对的干净和朦胧图像，这意味着不需要估计大气光和传输。所提出的网络由三部分组成：生成器、全局测试鉴别器和局部上下文鉴别器。此外，应用基于暗通道先验的注意机制来处理不一致的雾度。使用RESIDE数据集进行实验。大量实验证明了所提出方法的有效性，该方法在很大程度上优于以前最先进的无监督方法。本
啦啦啦啦啦啦.·2022-06-11 07:33

Unsupervised Single Image Dehazing Using DarkChannel Prior Loss（使用暗通道先验损失的无监督单图像去雾）

概述：由于收集匹配的清晰和模糊图像的固有限制，基于先验和基于学习的方法诉诸于综合数据的训练;由室内图像和相应的深度信息构建。在处理室外场景时，这可能会导致域转移。我们提出了一种通过最小化众所周知的暗通道先验(DCP)能量函数的完全无监督的训练方法。我们不使用合成数据向网络提供，而是仅使用真实世界的户外图像，并通过直接最小化DCP来调整网络的参数。尽管我们的“深度DCP”技术可以被视为DCP的快速逼
啦啦啦啦啦啦.·2022-06-11 07:32

论文解读（SUBLIME）《Towards Unsupervised Deep Graph Structure Learning》

论文信息论文标题：TowardsUnsupervisedDeepGraphStructureLearning论文作者：YixinLiu,YuZheng,DaokunZhang,HongxuChen,HaoPeng,ShiruiPan论文来源：2022,WWWBe
Learner-·2022-06-04 11:00

论文笔记--Unsupervised (Meta) RL

无监督的（元）强化学习总结DIAYNKeyIdeaFormulationUML(Off-Policy)DADSKeyIdea:off-policy版本Planningusingskill-dynamicDDLKeyIdea:distanceevaluationpolicyimprovementDIAYN全名‘DiversityIsAllYouNeed:Learningskillswithoutar
zz_ytj·2022-06-04 07:10

[论文阅读笔记@2019.6] Maximum Classifier Discrepancy for Unsupervised Domain Adaptation

文章目录[论文阅读笔记@2019.6]MaximumClassifierDiscrepancyforUnsupervisedDomainAdaptation1.IntroductionPreviousMethods:However:ProposedMethod:2.RelatedWork3.Method3.1OverallIdea要让生成器的特征更远离分类边界（靠近源域支持）让分类器（F1、F2）
quay_bupt·2022-05-26 07:53

【迁移学习】Prototypical Cross-domain Self-supervised Learning for Few-shot Unsupervised Domain Adaptation

摘要无监督域适应(UDA)将预测模型从完全标记的源域转移到无标记的目标域。然而，在某些应用程序中，甚至在源域中收集标签都很昂贵，这使得以前的大多数工作都不切实际。为了解决这个问题，最近的工作执行了基于实例的跨领域自我监督学习，然后是一个额外的微调阶段。然而，实例自监督学习只学习和对齐低层次的判别特征。在本文中，我们提出了一个端到端原型跨域自监督学习(PCS)框架用于小样本无监督域适应(FUDA)。
向上的毛毛·2022-05-21 07:53

ng-机器学习总结-初识机器学习

continious）----比如金额分类（classification）：样本点的函数值离散值（discrete）----比如是否为癌症特点：简而言之就是对于每一个样本点都有一个正确的答案（好还是坏）无监督学习（Unsupervised-learning
qq_38367589·2022-05-15 07:47

论文学习随记：Unsupervised 3D Shape Completion through GAN Inversion

文章目录论文研读1.两个component：①用于提升均匀性的PatchVarianceloss：②用于估计点对应关系的masking机制K-Mask：2.KNN核心思想：如何选取k值：“最邻近”如何度量：注：让每个特征都同等重要——特征归一化3.GANinversion的目的4.预训练借鉴的tree-GAN是什么5.整个网络流程究竟是怎样的代码研读1.解决问题：`ImportError:cann
Pikoyoo·2022-05-04 07:13

论文阅读 [TPAMI-2022] U2Fusion: A Unified Unsupervised Image Fusion Network

论文阅读[TPAMI-2022]U2Fusion:AUnifiedUnsupervisedImageFusionNetwork论文搜索(studyai.com)搜索论文:U2Fusion:AUnifiedUnsupervisedImageFusionNetwork搜索论文:http://www.studyai.com/search/whole-site/?q=U2Fusion:+A+Unified
北岭狼人·2022-04-08 18:57

论文笔记二《Unsupervised Anomaly Detection with Generative Adversarial Networks to Guide Marker Discovery》

***本文章仅为个人笔记，方便阅读***0Abstract获得能够捕获与疾病进展和治疗监测相关的成像标记物的模型是一个挑战。模型通常是基于大量的数据与已知注释的标记物的例子，目的是自动化检测。高度的注释工作和对已知标记的词汇表的限制限制了这种方法的能力。在这里，我们执行无监督学习来识别成像数据中的异常作为候选标记物。我们提出了AnoGAN，一个深度卷积生成对抗性网络，以学习多种正常解剖学的变异性，
爱吹口哨的夜莺·2022-03-31 07:29

论文解读（SUGRL）《Simple Unsupervised Graph Representation Learning》

PaperInformationTitle：SimpleUnsupervisedGraphRepresentationLearningAuthors：YujieMo、LiangPeng、JieXu,XiaoshuangShi、XiaofengZhuSources：2022AAAIPaper：downloadCode：downloadAbstract作者提出了一种简单的无监督图表示学习方法来进行有效
Learner-·2022-03-25 11:00

论文阅读笔记：Momentum Contrast for Unsupervised Visual Representation Learning

MomentumContrastforUnsupervisedVisualRepresentationLearning论文地址代码地址Summary提出了MomentumContrast（MoCo）的无监督视觉表示学习方法；把对比学习比作查字典过程，把字典当作队列，引入动量更新；对end-to-end、MemoryBank、MoCo三种对比学习方式进行了比较；在ImageNet和Instagram
Nin7a·2022-03-18 05:16

深度学总结：skip-gram pytorch实现

文章目录skip-grampytorch朴素实现网络结构训练过程:使用nn.NLLLoss()batch的准备，为unsupervised，准备数据获取（center,contex)的pair：采样时的优化
萤火虫之暮·2022-03-07 07:27

统计学习

统计学习工具分为两类，有指导（supervised）的学习和无指导的（unsupervised）学习。
__Nanaaaaa·2022-02-21 10:49

【GAN ZOO翻译系列】Cat GAN：UNSUPERVISED AND SEMI-SUPERVISED LEARNING WITH CATEGORICAL GAN 用于监督和半监督学习的GAN

JostTobiasSpringenberg弗莱堡大学79110Freiburg,[email protected]原文链接https://arxiv.org/abs/1511.06390v2，引用请注明出处摘要本文提出了一种从未标记或部分标记的数据中学习判别分类器的方法。方法基于客观函数，该函数在观察到的示例与其预测的分类类别分布之间交换互信息，与生成模型的分类器
hyczkg·2022-02-21 07:07

[半监督学习] Unsupervised Data Augmentation for Consistency Training

深度学习的缺陷在于它通常需要大量的标记数据才能更好的工作,然而现实中带标签的数据往往难以获取，且为数据打标签的成本过高,这时便引入半监督学习.半监督学习是利用未标记数据来解决这一弱点的最有前途的方法之一.论文地址:UnsupervisedDataAugmentationforConsistencyTraining代码地址:https://github.com/google-research/uda
码侯烧酒·2022-02-21 07:20

【CVPR 2021】Unsupervised Pre-training for Person Re-identification(UPT)

方法概述1，文章构建了一个大规划的无标注行人重识别数据集LUPerson。2，文章仔细研究无监督预训练模型的关键因素。文章目录方法概述内容概要工作概述成果概述方法详解方法框架具体实现实验结果总体评价引用格式参考文献内容概要论文名称简称会议/期刊出版年份baselinebackbone数据集UnsupervisedPre-trainingforPersonRe-identification-CVPR
_Summer tree·2022-02-21 07:42

语义分割-Unsupervised Domain Adaptation in Semantic Segmentation：a Review语义分割中的无监督领域自适应：综述

UnsupervisedDomainAdaptationinSemanticSegmentation：aReview语义分割中的无监督领域自适应：综述0.摘要1.介绍1.1.语义分割1.2.领域自适应:DomainAdaptation(DA)1.3.无监督领域自适应:UnsupervisedDomainAdaptation(UDA)1.4.应用动机1.5.大纲2.语义分割的无监督域自适应算法2.1
HheeFish·2022-02-04 16:40

Unsupervised Image-to-Image Translation Networks

https://arxiv.org/pdf/1703.00848.pdfKindoflikeCycleGANNoveltyUnsuperviseTwodomainsharethesamelatentspaceProblemOnlytwodomainsatatime,needtotrainnewmodelfornewdomainStructureStructureLossLossDatasetStr
klory·2022-02-03 05:58

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

论文解读（DEC）《Unsupervised Deep Embedding for Clustering Analysis》

PaperInformationAuthors：JunyuanXie,RossB.Girshick,AliFarhadiSource：2015,ICMLOther：1243Citations,45ReferencesCode：DownloadPaper：DownloadAbstract在本文中，我们提出了DeepEmbeddedClustering(DEC)，一种使用深度神经网络同时学习featu
cute_Learner·2022-01-12 20:00

Unsupervised Question Answering by Cloze Translation

题目：完形填空转换的无监督问答作者：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：GitHub-facebookresearch/UnsupervisedQA:UnsupervisedQuestionansweringviaClozeTranslation目录摘要1介绍2无监督抽取式QA2.1上下文
soochow_ZCS·2021-11-29 17:48

跑论文Unsupervised Question Answering by Cloze Translation的实验遇到的bug以及解决方法

前言花了3~4天，其实不止，也可以说没有那么久，因为前期没有实验环境的时候熟悉了下ubuntu的用法啥的，然后跑这个论文代码的时候也是停停歇歇的，因为服务器要用我师姐的账号联网，但是我师姐也要用，还是得特别感谢师姐，借我账号，然后也耐心的回答我的问题，谢谢。然后和老师说了下这个情况，老师直接给了个账号给我，感动，因为服务器、账号都是老师给我的，给力！谢谢老师，加油！！！项目地址：https://g
小园秋子·2021-11-26 19:49

CS258 Unsupervised

CS258UnsupervisedPracticalAssignment:(2021/2022)GigSystemSpecificationAmusicpromotioncompanyisplanningtobookactsforanupcomingfestival.Youwillhelpthemdesignasystemtostoreinformationaboutwhichactshavepl
·2021-11-23 17:41

Unsupervised Question Answering by Cloze Translation 通过完形填空翻译的无监督的问答

UnsupervisedQuestionAnsweringbyClozeTranslation通过完形填空翻译的无监督的问答文章目录UnsupervisedQuestionAnsweringbyClozeTranslation通过完形填空翻译的无监督的问答0、Abstract0.1、背景0.2、Paper做的c-1）为了产生上面的三元组：0.3、其它1、Introduction1.1现有背景1.2
小园秋子·2021-11-14 19:57

论文阅读笔记《Improving Unsupervised Defect Segmentation by Applying Structural Similarity To Autoencoders》

ImprovingUnsupervisedDefectSegmentationbyApplyingStructuralSimilarityToAutoencoders》代码实现：https://github.com/plutoyuxie/AutoEncoder-SSIM-for-unsupervised-anomaly-detection-Abastract
骊山道童·2021-11-02 17:20

[行人重识别论文阅读]Mutual Mean-Teaching: Pseudo Label Refinery for Unsupervised Domain Adaptation on Person

论文地址：https://openreview.net/forum?id=rJlnOhVYPS代码地址：https://github.com/yxgeee/MMT文章的主要核心思想顾名思义就是解决伪标签噪声问题。看到网上有很好的解析文章：https://zhuanlan.zhihu.com/p/116074945/Abstract1.最先进的无监督领域自适应人再识别方法通过在目标域上使用聚类算法生
zlsd21·2021-10-18 10:14

Unsupervised Question Answering by Cloze Translation 基于完形填空转换的无监督问答

UnsupervisedQuestionAnsweringbyClozeTranslation（基于完形填空转换的无监督问答）Facebookresearch，开源，数据集为SQuAD1.介绍当前问题：抽取式问答需要大量训练数据，但对于一个新领域或者新的语种，收集训练集是需要大量人类和物力的。目标：不需要使用监督QA，就能够在给定文档后生成准确的问题，利用生成的问题训练一个QA系统。解决方法：先用
下了一周雨·2021-09-15 17:17

Cross-Domain Gradient Discrepancy Minimization for Unsupervised Domain Adaptation——CVPR2021

无监督域适应的跨域梯度差异最小化摘要引言相关工作本文提出的方法UDA与双分类器对抗性学习最小化跨域梯度差异目标样本的自监督学习整体目标和优化程序实验结果摘要论文和代码链接以前的对抗性学习方法仅重点关注两个不同分类器的输出之间的相似性。然而，输出的相似性不能保证目标样本的分类的准确性，即使两个分类器之间的差异很小，目标样本也可能与错误类别匹配。在本文中，我们提出了一种跨域梯度差异最小化（CGDM）方
没有头发的小白·2021-07-05 11:41

LDA线性判别分析

LDA线性判别分析PCA不考虑label，属于unsupervised，那么LDA就是考虑了y的label。
史努B·2021-06-20 15:54

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

Cross-project defect prediction using a connectivity-based unsupervised classifier

背景出处：2016IEEE/ACM38thIEEEInternationalConferenceonSoftwareEngineering作者：FengZhang,QuanZheng,YingZou,andAhmedE.Hassan概述论文主要观点通过基于相似度的聚类解决软件缺陷的问题，同时类比社交网络进行合理化解释，引入cross-project用于扩大样本。成果基于关系的非监督分类方法（聚类）
Entelecheia·2021-06-06 22:44

Metapath2vec 的python简单实现

本文在github上:https://github.com/Mrxiahelong/Unsupervised-Author-Disambiguation/实现这里我们使用三张图结构分别是paper-coauhor-paper
xiadada2·2021-05-26 16:15

Unsupervised learner--k-Nearest Neighbor

K最近邻(k-NearestNeighbor，KNN)分类算法引入背景最粗暴的分类器，记录所有的训练数据，当测试对象的属性和某个训练对象的属性完全匹配时，变对其进行分类。测试对象找不到与之完全匹配的训练对象。测试对象同时与多个训练对象匹配，导致一个训练对象被分割。原理KNN是机器学习中最基本的分类器通过测试不同特征值之间的距离进行分类如果一个样本在特征空间中的k个最相似（即特征空间中最邻近）的样本
MagicDong·2021-05-17 16:33

2019-04-03 文献阅读 Challenges in unsupervised clustering of single- cell RNA- seq data

singlecellclusteringKeyPointscRNA数据分析聚类策略选择聚类的Technical,Biological,Computational挑战聚类的生物学意义解释写在前面的话单细胞实验技术发展单细胞组学应用单细胞测序分析流程流式也是一种单细胞的技术，不同的是流式通过细胞的表面蛋白对细胞类群进行鉴定，而scRNA-seq对单个细胞的表达谱进行定量，通过Top基因的表达对细胞类群
feifei9606·2021-03-11 09:04
上一页 4 5 6 7 8 9 10 11 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他