简要介绍弱监督学习
原址：http://www.cnblogs.com/ariel-dreamland/p/8566348.html A brief introduction to weakly supervised learning（简要介绍弱监督学习） by 南大周志华 摘要 监督学习技术 ...
原文：A brief introduction to weakly supervised learning（简要介绍弱监督学习）
by 南大周志华 摘要 监督学习技术通过学习大量训练数据来构建预测模型，其中每个训练样本都有其对应的真值输出。尽管现有的技术已经取得了巨大的成功，但值得注意的是，由于数据标注过程的高成本，很多任务很难获得如全部真值标签这样的强监督信息。因此，能够使用弱监督的机器学习技术是可取的。本文综述了弱监督学习的一些研究进展，主要关注三种弱监督类型：不完全监督，即只有一部分样本有标签 不确切监督，即训练样本只 ...
2018-03-14 11:26 1 4120 推荐指数：
相关推荐
缺陷检测-2.Mixed supervision for surface-defect detection: from weakly to fully supervised learning(对于表面缺陷检测的混合监督:从弱到完全监督学习)
这篇文章不管是网络结构还是文章中提到的亮点基本都是复用了<End-to-end training of a two-stage neural network for defect detection> 唯一的不同点就是针对混合监督，针对其中只有正负标签，没有分割标签的数据，损失函数 ...
如何区分监督学习(supervised learning)和非监督学习(unsupervised learning)
监督学习：简单来说就是给定一定的训练样本(这里一定要注意，样本是既有数据，也有数据对应的结果)，利用这个样本进行训练得到一个模型(可以说是一个函数)，然后利用这个模型，将所有的输入映射为相应的输出，之后对输出进行简单的判断从而达到了分类(或者说回归)的问题。简单做一个区分，分类就是离散的数据，回归 ...
如何区分监督学习(supervised learning)和非监督学习(unsupervised learning)
机器学习的常用方法中，我们知道一般分为监督学习和非监督学习。 l 监督学习：监督学习，简单来说就是给定一定的训练样本（这里一定要注意，这个样本是既有数据，也有数据相对应的结果），利用这个样本进行训练得到一个模型（可以说就是一个函数），然后利用这个模型，将所有的输入映射为相应的输出，之后对输出 ...
半监督学习 Semi-Supervised-Learning
SSL按照统计学习理论的角度包括直推(Transductive)SSL和归纳(Inductive)SSL两类模式。直推SSL只处理样本空间内给定的训练数据，利用训练数据中有类标签的样本和无类标签的样例进行训练，预测训练数据中无类标签的样例的类标签；归纳SSL处理整个样本空间中所有给定和未知的样例 ...
半监督学习(semi-supervised learning)综述
一些参考资料: [1] 李宏毅机器学习教学视频 semi-supervise [2] 李宏毅视频的文字稿 (上面两个资料的讲解顺序是：semi-supervised generative model --> low density assumption --> ...
自监督学习Self-supervised Learning入门简知
1、定义： 自监督学习主要是利用辅助任务（pretext）从大规模的无监督数据中挖掘自身的监督信息，通过这种构造的监督信息对网络进行训练，从而可以学习到对下游任务有价值的表征。（也就是说自监督学习的监督信息不是人工标注的，而是算法在大规模无监督数据中自动构造监督信息，来进行监督学习或训练 ...
自监督学习(Self-Supervised Learning)多篇论文解读（上）
自监督学习(Self-Supervised Learning)多篇论文解读（上） 前言 Supervised deep learning由于需要大量标注信息，同时之前大量的研究已经解决了许多问题。所以近期大家的研究关注点逐渐转向了Unsupervised learning，许多顶 ...