- 博客(1)
- 收藏
- 关注
原创 Open-world Machine Learning: Applications, Challenges,and Opportunities || 阅读笔记
研究背景:传统的机器学习(主要是监督学习)遵循封闭世界学习的假设(将当前未知的事物都设为假的假设),对于他们每个测试类都有一个训练类可用。然而,这样的模型无法识别训练期间看不见的类(即看不见的类),开放世界机器学习(OWML)则处理看不见的类。研究内容:first 概述OWML对现实世界的重要性;next 探索和讨论OWML的不同维度。本文对OWML的各种技术进行了系统评价;介绍了OWML的研究差距、挑战和未来方向。研究意义:本文将帮助研究人员了解 OWML 的全面发展以及将研究扩展到合适领域的可能性。
2022-10-07 11:14:35 1960 2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人