unsupervised 第9页

机器学习：什么是无监督学习(Unsupervised Learning)？

概念上一片文章我们了解了监督学习，监督学习是一种目的明确的训练方式，通过已知因素和已知的结果，通过机器训练，是机器能学会通过已知因素得到未知的结果。而无监督学习是通过给未知的数据，进行分类，也许你就会问了，我都不知道有什么规律，我怎么区分类呢？这就是用到算法模型了。wiki：无监督学习（英语：unsupervisedlearning）是机器学习的一种方法，没有给定事先标记过的训练示例，自动对输入的

Jeff、yuan·2021-03-08 23:34

graphsage：example_unsupervised.sh在docker中运行

GraphSAGE项目github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--train_prefix./example_data/toy-

xslwyz·2021-01-30 17:37

预训练模型专题_GPT2_模型代码学习笔记

GPT2模型是OpenAI组织在2018年于GPT模型的基础上发布的新预训练模型，其论文原文为language_models_are_unsupervised_multitask_learnersGPT2

料理菌·2020-12-23 22:11

ICCV2019《Recursive Cascaded Networks for Unsupervised Medical Image Registration》代码学习

ICCV2019《RecursiveCascadedNetworksforUnsupervisedMedicalImageRegistration》代码学习该论文代码为tensorflow，本学习过程最终目的是将该tensorflow代码改写为pytorchGithub代码链接：RecursiveCascadedNetworksforUnsupervisedMedicalImageRegistra

海绵baby强无敌·2020-12-02 23:23

论文浅析-Unsupervised Embedding Learning via Invariant and Spreading Instance Feature

摘要本文主要研究无监督embedding问题，该问题要求在低维度embedding空间有效地度量样本之间的相似性。基于从分类有监督学习汇中观察到正集中而负分散的特性（即：同类别样本距离相近，从而会集中在一起；不同类别样本距离较大，从而会分散分布），我们提出利用有监督样本来近似这个特性，旨在学习数据扩展不变性和样本扩展性。为了达到这个目标，我们提出基于样例的softmaxembedding方法，该方

leap_ruo·2020-11-15 19:14

李宏毅作业八unsupervised无监督聚类学习

无监督聚类学习前言一、内容二、代码1.数据集下载2.数据预处理3.功能函数4.编码器与解码器5.训练6.DimensionReduction&Clustering降维和聚类7.结果可视化总结前言本篇不涉及过多理论知识,以代码为主.主要运行平台colab,语言python,pytorch.一、内容这主要是图像聚类的教程，分为两大部分.训练部分:准备数据集、模型、训练聚类部分:准备数据集、模型、降维和

闲看庭前雪·2020-11-10 14:56

Deep Reinforcement Learning for Unsupervised Video Summarization阅读笔记

DeepReinforcementLearningforUnsupervisedVideoSummarizationwithDiversity-RepresentativenessReward论文阅读笔记论文整体概述对于视频摘要，本文使用了一种无监督的方法，作者认为监督学习不能充分探索深度网络用于视频摘要的潜力，前人有人使用DPPLSTM网络应用于视频摘要，本文将视频摘要描述为一个顺序的决策过程，

importance*·2020-11-04 23:22

李宏毅作业六 Adversarial Attack对抗攻击

系列文章目录李宏毅作业十GenerativeAdversarialNetwork生成对抗网络(代码)李宏毅作业九AnomalyDetection异常检测李宏毅作业八unsupervised无监督聚类学习李宏毅作业七其三

闲看庭前雪·2020-10-27 19:20

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

论文笔记-Multimodal Unsupervised Image-to-Image Translation

论文信息论文标题：MultimodalUnsupervisedImage-to-ImageTranslation论文出处：ECCV2018论文作者：XunHuang,Ming-YuLiu,SergeJ.Belongie,JanKautz研究机构：康奈尔大学；英伟达代码链接：https://github.com/nvlabs/MUNIT引用信息：@inproceedings{DBLP:conf/ec

kingsleyluoxin·2020-10-02 23:37

Progressive Feature Alignment for Unsupervised Domain Adaptation-CVPR2019.md

ProgressiveFeatureAlignmentforUnsupervisedDomainAdaptation(CVPR2019)提出了一个逐步特征对齐网络ProgressiveFeatureAlignmentNetwork(PFAN)去解决原域有标签、目标域无标签的无监督domainadaptation分类问题：Easy-to-Hard迁移策略(EHTS)：利用跨模态相似度逐步选择可靠的伪

PoemK·2020-09-17 05:16

image caption笔记（九）：《Unsupervised Image Captioning》

无监督的caption文章使用一个图像数据集（MSCOCO）和一个文本语料库（从Web上抓取的200多万个句子组成图像描述语料库）来做无监督caption。没有任何配对集合。1、模型结构：提出的图像字幕模型由图像编码器（没有用VGG和resnet，改用了Inceptionv4），句子生成器和句子鉴别器组成。训练目标包括了三部分：（1）使用语料库来训练一个CGAN网络，condition是图像特征，

月半rai·2020-09-17 03:57

21-R-DataCamp-Unsupervised-Learning-in-R

21-R-DataCamp-Unsupervised-Learning-in-R1.UnsupervisedLearninginR1.1Welcometothecourse(video)1.2Identifyclusteringproblems1.3Introductiontok-meansclustering

radar_sun·2020-09-16 22:18

深度学习——Re-ID——读，运行Unsupervised-Person-Re-identification-Clustering-and-Fine-tuning

(本文架构如下)背景知识网络架构与训练过程作者卖点损失函数解决的问题及存在的不足代码流程及关键组件改动实验相关工作（之后要补Re-ID的时候再来）一.背景知识：1.self-pacedlearning(自步学习):即先学简单的，再学难的。二.网络架构与训练过程：网络架构：用有标签数据首先训练一个模型。无标签数据经模型会有伪标签，还能选出可靠数据集。用可靠数据集再从头训练模型，存起来。下一次，无标签

WW93570736·2020-09-14 15:23

DANN：Unsupervised Domain Adaptation by Backpropagation

本篇是迁移学习专栏介绍的第十三篇论文，发表在ICML15上。论文提出了用对抗的思想进行domainadaptation，该方法名叫DANN(或RevGrad)。核心的问题是同时学习分类器、特征提取器、以及领域判别器。通过最小化分类器误差，最大化判别器误差，使得学习到的特征表达具有跨领域不变性。Abstract高性能的深层体系结构是针对大量标记数据进行训练的。在缺少特定任务的标记数据的情况下，域自适

gdtop818·2020-09-13 06:25

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

[论文复现]Unsupervised Generative Attentional Networks with Adaptive Layer-Instance Normalizatiton

前言趁着暑假还有足够多的时间,参加了百度飞桨的论文复现营,10篇论文之中选择了这篇论文。论文题目：U-GAT-IT:UnsupervisedGenerativeAttentionalNetworkswithAdaptiveLayer-InstanceNormalizationforImage-to-ImageTranslation论文链接不得不说,有机会体验8卡的V100有点小期待,百度这次挺大气

Costwen·2020-09-12 18:46

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

weka之数据预处理

weka在做数据预处理的时候针对attribute提供了多种方式，包括值的各种转换，常用的如下：1.缺失值处理weka.filters.unsupervised.attribute.ReplaceMissingValues

小网客·2020-09-12 12:15

Weka之过滤器(filter)的使用

选择unsupervised->attribute->Remove。3、左键单击选择的属性过滤

HarperFive·2020-09-12 12:06

【论文笔记】Unsupervised Learning of Video Representations using LSTMs

这篇文章是深度学习应用在视频分析领域的经典文章，也是Encoder-Decoder模型的经典文章，作者是多伦多大学深度学习开山鼻祖Hinton教授的徒子徒孙们，引用量非常高，是视频分析领域的必读文章。摘要翻译我们使用长短时记忆（LongShortTermMemory,LSTM）网络来学习视频序列的表征。我们的模型使用LSTM编码器将输入序列映射到一个固定长度的表征向量。之后我们用一个或多个LSTM

迷川浩浩_ZJU·2020-09-12 06:57

Self-supervised and unsupervised learning for video

目录ActBERT:LearningGlobal-LocalVideo-TextRepresentations（cvpr2020）Self-supervisedlearningusingconsistencyregularizationofspatio-temporaldataaugmentationforactionrecognition（STCR）TemporalCycle-Consisten

Always_ease·2020-09-12 05:48

李宏毅 DeepLearning-2017-Unsupervised Learning PCA-linear Dimension Reduction

化繁为简：把比较复杂的input变成比较简单的output无中生有：generation找个可以画图的function降维表达的意义：不同的image用同一个cluster,做降维处理，那么如何确定设置多少个cluster呢？？？第一把输入数据分成K个cluster每个cluster都找一个center，作为初始center,(krandomXnfromX)从traindata中抽第二种;tree

zjguilai·2020-09-12 04:53

Transferable Joint Attribute-Identity Deep Learning for Unsupervised Person Re-Identification笔记

TransferableJointAttribute-IdentityDeepLearningforUnsupervisedPersonRe-Identification笔记论文地址:https://arxiv.org/pdf/1803.09786.pdf引入TransferableJointAttribute-IdentityDeepLearning(TJ-AIDL)-对于unseentarge

爱笨小孩_·2020-09-12 04:14

论文阅读:Unsupervised Deep Learning by Neighbourhood Discovery

UnsupervisedDeepLearningbyNeighbourhoodDiscovery论文的ideaUnsupervisedFeatureLearningviaNon-ParametricInstanceDiscrimination提出将每一个sample看作一个instance，这样便可以learn出比较好的结果。这样即便是类别一致的instance也要被强制分开。但是其实这篇文章已经

MAth-------·2020-09-12 03:13

【论文阅读】Deep Clustering for Unsupervised Learning of Visual Features

文章：DeepClusteringforUnsupervisedLearningofVisualFeatures作者：MathildeCaron,PiotrBojanowski,ArmandJoulin,andMatthijsDouze来自于：FacebookAIResearch发表于：ECCV2018目录•相关链接•相关方法介绍•文章出发点•文章亮点与贡献•方法细节•实验结果•分析与总结相关链接

baobo8666·2020-09-12 02:03

Unsupervised Person Re-identification by Deep Learning Tracklet Association

一、介绍作者提出了一个序列联系无监督深度学习框架（TrackletAssociationUnsupervisedDeepLearning(TAUDL)）来解决无监督的行人再识别问题。作者的方法能够联合学习视野内部tracklet的联系以及视野间tracklet的联系，不需要任何额外标注。实验证明TAUDL在6个行人再识别数据集上超过了现有的无监督方法和迁移学习方法。二、作者的方法2.1稀疏时空采样

han_jan·2020-09-12 02:31

Unsupervised Feature Learning and Deep Learning(UFLDL) Exercise 总结

7.27暑假开始后，稍有时间，“搞完”金融项目，便开始跑跑DeepLearning的程序Hinton在Nature上文章的代码跑了3天也没跑完后来Debug把batch从200改到20勉强跑出结果后来开始看文章等感觉晕晕乎乎又翻到：DeepLearningTutorials装Theano等，但是python代码Debug真是好生恶心再后来翻到UFLDL，看着有Exercise便做了起来。用了5天刷

LiFeitengup·2020-09-12 02:27

【论文学习】Deep Learning for Unsupervised Insider ThreatDetection in Structured Cybersecurity DataStreams

DeepLearningforUnsupervisedInsiderThreatDetectioninStructuredCybersecurityDataStreams论文学习及源码分析持续补充，持续更新中。。。论文学习数据集：采用了CERTInsiderThreatDatasetv6.2数据集。模拟了恶意内部人实施的系统破坏，信息窃取和内部欺诈三类主要攻击行为和大量的正常背景数据。涉及多个维度

精致又勤奋的码农·2020-09-12 01:01

Unsupervised Learning of Probably Symmetric Deformable 3D Objects from Images in the Wild论文笔记

UnsupervisedLearningofProbablySymmetricDeformable3DObjectsfromImagesintheWild论文笔记Introduction新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个

原@DeepGlint·2020-09-11 23:27

Discriminative Feature Learning for Unsupervised Video Summarization（论文翻译）

DiscriminativeFeatureLearningforUnsupervisedVideoSummarizationAbstract在本文中，我们解决了无监督视频摘要的问题，该问题会自动从输入视频中提取关键镜头。具体而言，我们根据经验观察结果解决了两个关键问题：（i）由于每帧输出重要性得分的平均分布而导致无效的特征学习，以及（ii）处理长视频输入时的训练难度。为了缓解第一个问题，我们提出了

菜菜菜菜菜菜菜·2020-09-11 23:49

Deep-Clustering-for-Unsupervised-Learning-of-Visual-Features

核心观点whoFacebookAIResearch2019what聚类(Cluster)是一种经典的无监督学习方法，但是鲜有工作将其与深度学习结合。这篇文章提出了一种新的聚类方法DeepCluster，将端到端学习与聚类结合起来，同时学习网络的参数和对网络输出的特征进行聚类。作者将DeepCluster成功应用到大规模数据集和一些迁移任务上，性能超过了当前stateofart的无监督工作。表明结合

jiyeyong·2020-09-11 22:32

Andrew Ng 《Machine Learning》第一讲——Supervised Learning & Unsupervised Learning 学习笔记

一般的，机器学习的问题可分为有监督学习（Supervised）和无监督学习(Unsupervised)两类。有监督学习（SupervisedLearning）首先以一个例子介绍什么是有监督学习。

zhonglj0314·2020-09-11 20:19

GCAN: Graph Convolutional Adversarial Network for Unsupervised Domain Adaptation CVPR 2019论文笔记

1.GCAN:GraphConvolutionalAdversarialNetworkforUnsupervisedDomainAdaptationCVPR2019论文链接1.主要思想为实现源域和目标域之间的迁移学习或特征对齐，作者认为有三种重要的信息类型需要学习:数据结构、域标签和类标签。提出了一种端到端的图卷积对抗网络(GCAN)，通过在统一的深度模型中对数据结构、域标签和类标签进行联合建模，

赵zZZ·2020-09-11 20:06

论文笔记 Unsupervised Extraction of Video Highlights Via Robust Recurrent Auto-encoders

本文提出了一个视频精彩片段检测算法之前的精彩视频剪辑的方法常用的是处于监督学习或者启发式规则下，本文采用的无监督学习的方法，同时也借助到Youtube上各种各样的用户剪辑过的视频用于训练，同时作者考虑到在用户剪辑过的视频中，精彩部分出现的频率和时长肯定会大于不是那么精彩部分出现的时长。视频的highlights存在着三个巨大的挑战，第一个是尽管大部分人对于highlight有着相同的概念但是出于主

Pretender_1·2020-09-10 11:38

Unsupervised Feature Learning via Non-parametric Instance Discrimination

这篇文章是cvpr2018的spotlight。是伯克利、香港中文大学、亚马逊联合发表的论文。论文：UnsupervisedFeatureLearningviaNon-parametricInstanceDiscrimination.摘要和介绍中指出，通过对有监督的图像分类结果的观察，发现图像分类的依据不是图像的语义注释，而是数据本身的视觉相似性，换句话说，视觉相似性不是从语义注释中学到的，而是从

Yuggie_Sue·2020-09-10 11:58

Momentum Contrast for Unsupervised Visual Representation Learning (MoCo)

论文：MoCo这篇文章是CVPR2020的文章，针对上一篇文章的memorybank所占用的空间较大的问题，这一篇文章提出了改进。该文章主要解决的是无监督视觉表示学习问题。摘要：作者从将对比学习看做字典查找（dictionarylook-up）出发，使用队列（queue）和滑动平均编码器（moving-averagedencoder）构建动态字典。这一做法使得通过构建大容量且协调的字典来实现对比无

Yuggie_Sue·2020-09-10 11:58

错误使用 * MTIMES (*) 不完全支持整数类。至少一个参数必须为标量。

出错lanbpro(line298)r=At*U(:,1);出错lansvd(line209)[U,B,V,p,ierr,w]=lanbpro(A,j,p,options,U,B,V,anorm);出错Unsupervised_RPCA

xau人工智能·2020-08-26 11:08

2020李宏毅学习笔记——44.Unsupervised learning Deep Auto-encoder

1.先来介绍一下encoderAuto-encoder因为对于encoder来说，我们有输入，但是输出的code是什么样子，我们是不知道的。没关系，先learn一个decoder，上下两个东西如果单独拿出来是没有办法train的，所以没法单独，就接在一起，一起学，就可以了。这个时候的输入和输出都有了。对于encoder来说，输出的code通常维度要小于输入的维度，用于Compactrepresen

是汤圆啊·2020-08-25 17:50

李宏毅机器学习Lecture 16 Unsupervised Learning - Auto-encoder 课程笔记

李宏毅机器学习Lecture16UnsupervisedLearning-Auto-encoder课程笔记auto-encoderstartingfromPCAdeepauto-encoderauto-encoder在文字组的应用Auto-encoder应用于以图找图Auto-encoder用于预训练DNNDe-noisingauto-encoderauto-encoderforCNNdecode

didiqiq·2020-08-25 17:14

李宏毅机器学习——学习笔记（15） Unsupervised Learning—Auto encoder

Auto-encoder1.encode：将原来高维sampleencode成低维的code，再将code尽量decode成原来的sample。2.deepauto-encoder只是将层数加深。autoencode的constructionerror不是重点，重点是code表示的有多好。3.De-noisingauto-encoder：在原来的sample上加入噪声数据，但是仍然需要recons

青芒·1·2020-08-25 16:53

李宏毅unsupervised learning: Deep Auto-encoder课堂笔记

PCA做法deepauto-encoder做法---deepauto-encoder还原的图会更接近原图，但这并不是重点，要不然直接输出原图就好了，降维干嘛重点是降维后能分开例子：-----转载于:https://www.cnblogs.com/lunotebook/p/11512741.html

aian8769·2020-08-25 16:59

李宏毅机器学习课程笔记6：Unsupervised Learning - Auto-encoder、PixelRNN、VAE、GAN

台湾大学李宏毅老师的机器学习课程是一份非常好的ML/DL入门资料，李宏毅老师将课程录像上传到了YouTube，地址：NTUEEML2016。这篇文章是学习本课程第16-18课所做的笔记和自己的理解。Lecture16:UnsupervisedLearning-Auto-encoderAuto-encoder在手写数字识别任务中，想训练一个NNencoder，得到图像的精简表达。但做的是无监督学习，

徐子尧·2020-08-25 16:11

【Scikit-Learn 中文文档】无监督降维 - 数据集转换 - 用户指南 | ApacheCN

中文文档:http://sklearn.apachecn.org/cn/stable/modules/unsupervised_reduction.html英文文档:http://sklearn.apachecn.org

景-王-飞·2020-08-25 03:01

无监督图嵌入Unsupervised graph embedding|基于对抗的图对齐adversarial graph alignment详解

目的：理解并解析graphembedding与adversarialgraphalignment的公式。相关论文详解：GCN(GraphConvolutionalNetwork)图卷积网络概览图注意力网络(GAT)ICLR2018,GraphAttentionNetwork论文详解旷视CVPR2019图卷积多标签图像识别Multi-LabelImageRecognitionwithGraphCon

祥瑞Coding·2020-08-24 17:52

Unsupervised-Features-Learning-For-Binary-Similarity项目的分析--数据收集

binary_volnerablity_mining/blob/master/%E6%95%B0%E6%8D%AE%E6%94%B6%E9%9B%86.md这是对https://github.com/lucamassarelli/Unsupervised-Features-Learning-For-Binary-Simil

九层台·2020-08-24 06:15

Unsupervised Learning of Monocular Depth Estimation and Visual Odometry论文阅读

文章的链接：http://openaccess.thecvf.com/content_cvpr_2018/papers/Zhan_Unsupervised_Learning_of_CVPR_2018_paper.pdf

你蕾哥永远是你哥·2020-08-22 15:56

深度学习初探——入门DL主流框架

这个抽象的结果即是数据一种表达，而深度学习也可看成表达学习（表征学习）的一种方法，深度学习的好处是用无监督式Unsupervised或半监督式Semi-supervised的特征学习和分层特征提取高效算法来替代手工获取数据特征

实验楼·2020-08-22 11:03

Learning from Simulated and Unsupervised Images through Adversarial Training：解析simGAN

通过对抗式训练从模拟无监督图像中学习该篇论文为苹果首篇AI论文，且为2017年cvpr的最佳论文。该论文主要通过训练一个对抗式网络，将合成图像中添加真实性的细节，最终得到一个有标签的，类似与真实图像的合成图像。本文将从以下几个方面介绍该论文。传统GAN网络结构训练过程simGAN网络结构论文创新点未来研究方向总结0.传统GAN网络对于GAN网络来说，最重要的两个部分就是生成器和分辨器，生成器用来生

zuber_ss·2020-08-22 09:50

Unsupervised feature learning by augmenting single images

一、主要思想当深度学习应用到目标检测的时候，数据增强通常可以增加训练数据量同时不需要增加额外标签的的成本。数据增强可以减少过拟合增加算法的性能。本文主要是验证是否可以把数据增强作为无监督特征学习构架的主要组成部分。实现途径：首先随机采集一些图像块，作为种子图像，然后对每一个种子图像块进行变换，得到一系列图像块，作为虚拟的一类；采用CNN的框架进行训练；最后用训练好的模型在不同的数据库上面进行测试。

始于长虹·2020-08-22 04:50

推荐频道

unsupervised