本節中我們將使用DGL批處理多個大小和形狀可變的圖形。 使用包含如下8種類型圖的數據集。 圖像由於張量大小一致，很容易就可以進行批量學習。圖如何進行批量學習? 圖批量學習主要有以下兩個挑戰。 1. 圖是稀疏的。 2. 不同圖中的節點數和邊數 ...

非監督分類的概念： 非監督分類，又稱“聚類分析或者點群分析”。在多光譜圖像中搜尋、定義其自然相似光譜集群的過程。它不必對圖像地物獲取先驗知識，僅依靠圖像上不同地物光譜信息進行特征提取，在統計特征的差別來達到分類的目的，最后對已分出的各個類別的實際屬性進行確認。 在ENVI中 ...

半監督學習 主動學習 用已標記樣本訓練出一個模型，用模型對未標記樣本進行預測，選出對改善性能有幫助（比如選出那些不太確定的未標記樣本）的樣本，向專家征求最終標記的意見，並將專家意見作為標記，將該樣本加入訓練集得出新模型，不斷重復這個工作。 關鍵：外界因素，即專家經驗 ...

繼續上一篇的內容,上一篇講解了Bootstrap Your Onw Latent自監督模型的論文和結構： https://juejin.cn/post/6922347006144970760 現在我們看看如何用pytorch來實現這個結構，並且在學習的過程中加深對論文的理解。 github ...

摘要 圖結構數據上進行半監督學習的可拓展方法。該方法基於 直接在圖上操作的卷積神經網絡 的有效變體。 通過 譜圖卷積的局部一階近似 來激勵我們選擇 卷積結構。我們的模型在 圖邊 上的數量（number of graph edges）上線性縮放，並且學習隱藏層表示（其encode 局部圖結構 ...

。 　　　　 4.選擇分類方法，包括監督分類（IsoData和K-Means），非監督分類（平行六面體， ...

無監督學習(unsupervised learning) 沒有已知標簽的訓練集，只給一堆數據集，通過學習去發現數據內在的性質及規律。 K-Means聚類算法步驟 隨機取k個樣本作為初始均值向量（或者采用別的方式獲取初始均值向量）； 根據每個樣本與均值向量的距離來判斷各個樣本所屬的蔟 ...

該算法由facebook在2016年開源，典型應用場景是“帶監督的文本分類問題”。 模型 模型的優化目標如下： 其中，$<x_n,y_n>$是一條訓練樣本，$y_n ...