勇敢的仙人掌-CSDN博客

原创半监督学习：semi-supervised learning 直推学习：transductive learning 主动学习：active learning

目前，利用未标记示例的主流学习技术主要有三大类：半监督学习（semi-supervised learning）、直推学习（transductive learning）和主动学习（active learning）。https://blog.csdn.net/assiduousknight/article/details/18146451主动学习、纯半监督学习、直推学习的联系与区别https://www.cnblogs.com/yanmk/p/8118864.html...

2020-09-28 15:59:58 719

原创论文阅读笔记 [NIPS2019] Learning to Self-Train for Semi-Supervised Few-Shot Classification

学习自我训练的半监督小样本分类Li-nips2019-LST-Learning to Self-Train for Semi-Supervised Few-Shot Classification摘要作者提出了一种新颖的半监督元学习方法：学习自我训练（简称 LST）。这种方法利用无标签数据，特别是学习如何择优挑选和标记这些无标签数据，以进一步提高性能。对于每个小样本任务，训练一个小样本模型来预测无标签数据的伪标签，然后对有标签和伪标签数据的自训练步骤进行迭代，每一步都进行调优。还学习了一个软权重网络（简

2020-09-25 16:52:01 4063 1

原创论文阅读笔记 [ICLR 2018] Meta-Learning For Semi-Supervised Few-Shot classification

半监督小样本分类的元学习论文原文链接：https://arxiv.org/abs/1803.00676摘要在小样本分类中，人们感兴趣的学习算法是，仅根据少量带标记样例训练分类器的算法。元学习是近年来小样本分类研究的一大特色，元学习定义了一个学习算法的参数化模型，并在代表不同分类问题的片段上进行训练，每个片段都有一个小的带标记训练集和相应的测试集。本文中，作者将这种小样本分类模式推进到一个新场景中，在这个新场景中，每个片段也可以使用未标记的样例。作者考虑了两种情况：第一种情况是，假设所有未标记样例都与本

2020-09-11 20:26:15 574

原创论文阅读笔记 Prototypical Networks for Few-shot Learning

小样本学习的原型网络论文原文链接：https://arxiv.org/abs/1703.05175摘要作者提出了一种小样本分类问题的原型网络，在这种网络中，分类器必须推广到训练集中没有的新类别，每个新类别只有少量样例。该原型网络学习一个度量空间，通过计算每个类的原型表示的距离进行分类。与最近的小样本学习方法相比，该方法反映出更简单的归纳偏好，这有益于这种有限数据的状况，因此取得了出色的效果。作者给出的分析表明，某些简单的设计决定能够产生实质的改进，超过了最近的方法，包括复杂的架构选择和元学习。作者把该

2020-09-04 16:47:19 1827 1

Python编程入门经典-高清中文版-带目录标签

软件工程考试复习题目和答案

游戏开发核心算法教程

Microsoft Solutions Framework (MSF) Overview

PMP考试精要

空空如也