-
MixMatch: 一种综合的半监督学习方法
本文介绍了MixMatch,一种综合的半监督学习方法,融合了一致性正则和最小熵原则,以及数据增强方案,对无标注样本和有标注样本分别进行了处理,提高了模型的学习效果。- 249
- 0
-
-
小样本利器2.文本对抗+半监督 FGSM & VAT & FGM代码实现
本教程介绍了如何使用对抗训练和半监督方法提升小样本模型的鲁棒性,涉及FGSM、VAT和FGM代码实现,适用于深度学习领域的研究人员和学习者。- 490
- 0
-
半监督学习中的一致性正则优化方案详解
本文详细介绍了半监督学习中的一致性正则优化方案,探讨了如何利用标注和未标注数据来约束模型拟合,以及相关训练框架和技巧。适合对模型优化和数据增强感兴趣的读者。- 70
- 0
-
半监督学习中的Smoothness聚类和低密度分离假设
本文介绍了半监督学习中的Smoothness聚类和低密度分离假设,并深入讨论了MinEnt和PseudoLabel两种实现最小熵正则的方法。- 168
- 0
-
半监督广义学习系统的新方法——S2-BLS
本文介绍了一种新的半监督广义学习系统——S2-BLS,通过引入非监督信息和考虑标注样本与未标注样本之间的关系,解决了现有模型在处理相似性和相邻性问题时的局限性。- 431
- 0
-
SEANO: 带离群值的带属性网络的半监督嵌入
本文介绍了SEANO,一种用于带属性网络的半监督嵌入方法,通过深度神经网络处理异常值,实现了高质量的嵌入学习。实验评估显示SEANO在转导和归纳设置下优于最先进的方法,并具有较强的离群值检测能力。- 59
- 0
-
监督学习、无监督学习和半监督学习的定义和训练方式
本文介绍了监督学习、无监督学习和半监督学习的定义和训练方式,以及监督学习的回归问题和分类问题。同时探讨了半监督学习与监督学习的区别和训练方式。- 163
- 0
-
-
“SGAN:半监督学习与生成式对抗网络的结合”
本文介绍了SGAN算法,将生成式对抗网络(GAN)与半监督学习相结合,通过强制判别器输出类别标签来提升分类性能和生成样本质量。文章还提供了代码实现和配置信息。- 402
- 0
-
了解监督学习、无监督学习和半监督学习的特征及应用方式
了解监督学习、无监督学习和半监督学习的特征,以及它们在机器学习项目中的应用方式,以及人工智能技术的讨论中,监督学习、无监督学习和半监督学习的应用。- 144
- 0
-
幸运之星正在降临...
点击领取今天的签到奖励!
恭喜!您今天获得了{{mission.data.mission.credit}}积分
我的优惠劵
-
¥优惠劵使用时效:无法使用使用时效:
之前
使用时效:永久有效优惠劵ID:×
没有优惠劵可用!