论文阅读
文章平均质量分 88
多示例学习
天不生我喜哥
天不生我喜哥,代码万古如长夜
展开
-
<论文阅读09> Multi-instance learning based on representative instance and feature mapping
文章目录引入引言RIFM-I and RIFM-BBasic definition优化目标RIFM-I的优化目标:RIFM-B代表实例选择bb一句,上面的优化目标就是超球的优化目标。正代表实例选择负代表实例选择特征映射实验结果引入 题目:Multi-instance learning based on representative instance and feature mapping@article{WANG2016790,title = {Multi-instance learning原创 2022-05-04 19:22:57 · 1338 阅读 · 0 评论 -
<论文阅读08> Multi-instance learning of graph neural networks for aqueous $pK_a$ prediction
文章目录引入方法概述引入 题目:Multi-instance learning of graph neural networks for aqueous pKapK_apKa prediction (用于水性pKapK_apKa预测的图神经网络的多实例学习) 摘要:酸解离常数 (pKapK_apKa) 是反映化合物电离能力的关键参数,广泛应用于各行各业。然而,pKapK_apKa的实验测定复杂且耗时,尤其是在原子水平上精确测定微pKapK_apKa信息。因此,快速准确地预测化合物的 pK原创 2022-02-05 17:34:56 · 1514 阅读 · 0 评论 -
<论文阅读07> 用于乳房 X 线照片分类的具有多个视图的多示例网络
文章目录引入方法描述创新点关键技术多视图输入...权重MIL...数据集引入 题目:A multi-instance networks with multiple views for classification ofmammograms (用于乳房 X 线照片分类的具有多个视图的多示例网络) 摘要:乳腺癌是女性最常见的恶性肿瘤,早期筛查乳腺癌对于提高生存率至关重要。乳腺X线摄影具有实用性、有效性、成本低等特点,是目前最流行的乳腺癌筛查影像学方法之一。然而,乳房X线照片的分类存在图像尺寸大、病灶原创 2022-02-05 16:48:27 · 3176 阅读 · 2 评论 -
<论文阅读06> 通过加权分布和一致的最大似然估计进行多示例迁移度量学习
文章目录引入方法概述主要贡献关键技术核均值匹配(KMM)...一致的最大似然估计...引入 题目:Multi-instance transfer metric learning by weighted distribution and consistent maximum likelihood estimation( 通过加权分布和一致的最大似然估计进行多示例迁移度量学习) 摘要:多示例学习 (MIL) 旨在通过训练带有标签包的模型来预测未标记包的标签。 现有 MIL 方法的通常假设是训练数据的底原创 2022-02-05 15:40:29 · 1225 阅读 · 0 评论 -
<论文阅读05> 多示例卷积神经网络用于多镜头人重新识别
文章目录引入1 方法概述数据集引入 题目:多示例卷积神经网络用于多镜头人重新识别Multi-Instance Convolutional Neural Network for multi-shot person re-identification Bib:@article{LIU2019303,title = {Multi-Instance Convolutional Neural Network for multi-shot person re-identification},aut原创 2022-01-28 20:04:52 · 716 阅读 · 0 评论 -
<论文阅读04> Attention-based Deep Multiple Instance Learning
文章目录引入1 方法概述关键技术注意力进制。。。。引入 题目:基于注意力的深度多实例学习(Attention-based Deep Multiple Instance Learning) Bib:@inproceedings{ilse2018attention, title = {Attention-based deep multiple instance learning}, author = {Ilse, Maximilian and Tomczak, Jakub and Well原创 2022-01-28 19:42:12 · 2669 阅读 · 0 评论 -
<论文阅读01> Learning Multi-Instance Deep Discriminative Patterns for Image Classification
文章目录引入1 方法概述2 关键技术一系列的优化目标。。。引入 题目:学习用于图像分类的多实例深度判别模式(Learning Multi-Instance Deep Discriminative Patterns for Image Classification) 代码: 摘要:找到有效且高效的表示对于图像分类非常重要。最常见的方法是提取一组局部描述符,然后将它们聚合成一个高维、更具语义的特征向量,例如无监督的特征包和基于部分的弱监督模型。由于使用了来自图像标签的信息,后者通常比前者更具辨别力原创 2022-01-28 19:31:47 · 483 阅读 · 0 评论 -
<论文阅读03> Clustering-based multiple instance learning with multi-view feature
文章目录引入1 方法概述2 关键技术训练阶段测试阶段引入 题目:具有多视图特征的基于聚类的多实例学习 (Clustering-based multiple instance learning with multi-view feature) 代码: 摘要:多示例学习(MIL)是一种特殊的分类问题,其中样本(称为“实例”)被分组到包中,并且标签仅在包级别而不是实例级别给出。从专家和智能系统的角度来看,MIL 不需要完整的真实标签,这有助于降低实际任务中数据标签的成本。许多诱人的问题,如图像分类、原创 2022-01-28 19:30:06 · 1268 阅读 · 0 评论 -
<论文阅读02> Multi-Instance Learning with Discriminative Bag Mapping
文章目录引入1 方法概述2 符号定义3 关键技术3.1 辨别实例池3.2 包映射方法引入 题目:带判别袋映射的多实例学习(Multi-Instance Learning with Discriminative Bag Mapping) 代码: 摘要:多实例学习 (MIL) 是解决学习中标签模糊问题的有用工具,因为它允许一组实例共享一个标签。袋映射通过实例选择将袋子转换为新空间中的单个实例,最近引起了广泛关注。迄今为止,大多数现有工作都是基于原始空间,使用每个包内的所有实例进行包映射,并且所选实原创 2022-01-28 09:38:58 · 369 阅读 · 0 评论 -
生成对抗式网络 (GAN) 及其应用
GAN学习参考目的 GAN是由Ian Goodfellow于2014年首次提出,学习GAN的初衷,即生成不存在于真实世界的数据。类似于AI具有创造力和想象力。 GAN有两个非常重要的网络(生成器(Generator)和判别器(Discriminator))训练过程 GAN的训练在同一轮梯度反转的过程中可以细分为2步:(1)先训练D;(2)再训练G。注意,不是等所有的D训练好了才开始训练G,因为D的训练也需要上一轮梯度反转中的G的输出值作为输入。 当训练D的时候:上一轮G产生的图片和原创 2021-11-22 14:53:36 · 5844 阅读 · 0 评论 -
论文阅读(九):多实例学习问题中的包编码策略(2018)
文章目录摘要编码方式**k-means-encoding****terminal node-encoding****Path-encoding**分类摘要原文: Multiple instance learning (MIL) deals with supervised learning tasks, where the aim is to learn from a set of labeled bags containing certain number of instances. In MIL原创 2021-10-25 16:23:54 · 249 阅读 · 0 评论 -
论文阅读(八):基于贝叶斯极限学习机的多示例学习
文章目录背景介绍存在的问题以及解决方案算法介绍极限学习机(extreme learning machine,elm)贝叶斯极限学习机(BELM)背景介绍 多实例学习 (MIL) 最早由 Dietterich 等人提出作为一种预测药物活性的方法。之后,MIL 获得了许多成功的应用,例如改进的药物活性预测、文本分类、图像分类、目标检测 和股票预测。与其他机器学习框架不同,MIL 是新颖的,因为它包含带标签的袋子,而不是带标签的实例。每个包中的实例数量是不确定的,每个包的标签是可以观察到的,而每个包中的实例原创 2021-07-04 15:10:44 · 1287 阅读 · 3 评论 -
论文阅读(七):Dual-stream Maximum Self-attention Multi-instance Learning (DMSMIL)
文章目录引入前言方法问题表述双流MIL聚合引入 很久没有看论文和写博客,现在把最近看的一篇多示例学习(MIL)的论文解读一下,希望有所收获。前言 该篇论文提出了一种由神经网络参数化的双流最大自注意的MIL模型(DSMIL); 主要步骤:1)第一流部署了一个简单的 MIL max-pooling,并确定了top激活的嵌入实例;2)在第二个流中,通过仅将顶部激活的查询与包中的实例相关联,跨实例计算注意力得分。 特点:基于相同的实例嵌入来训练一个实例分类器和包分类器。方法问题表述 包:原创 2021-04-16 21:41:56 · 518 阅读 · 0 评论 -
论文阅读(六):Effective containment explains subexponential growth in recent confirmed COVID-19 cases in C
文章目录引入前言对遏制努力下的流行病传播进行建模有效保护易感人群导致指数级增长引入 为了完成老师的任务,现在把看的一篇论文总结翻译了一下。前言 最近在中国大陆爆发的2019年冠状病毒疾病(COVID-19)的特征在于,在流行的早期阶段,确诊病例的显着次指数增长,与预期的无限制爆发的初始指数增长形成鲜明对比。 我们表明,这种影响可以解释为有效减少易感人群的遏制政策的直接结果。 为此,我们引入了一个简化模型,该模型可以捕获有症状感染者的隔离,以及响应于遏制策略或行为变化的人群范围隔离实践,并显示该模原创 2021-01-08 16:55:16 · 368 阅读 · 0 评论 -
论文阅读 (五):Eigenvector centrality of nodes in multiplex networks.
将特征向量中心性的概念扩展到多路复用网络,并引入了一些可量化的参数,这些参数可量化代表着多层网络系统中节点的重要性,包括矢量类型中心性的定义。尽管最近已经提出了有关多路复用网络建模和结构的一些结果,但是在这种网络中对中心性参数的研究还没有。还没有得到令人满意的解决。本文的目的是提出复用网络中的中心性定义,并举例说明潜在的应用。原创 2020-12-25 11:48:19 · 1045 阅读 · 3 评论 -
论文阅读 (四):MILIS: Multiple Instance Learning with Instance Selection.
为了提高多示例学习,在交替优化框架中通过以迭代方式将实例选择和分类器学习的步骤交织在一起的方式来做到这一点,以确保收敛。初始实例选择是通过在负实例上使用一个简单但有效的内核密度估计器来实现的原创 2020-12-21 16:59:01 · 579 阅读 · 2 评论 -
论文阅读(三):Multi-Instance Clustering with Applications to Multi-Instance Prediction.(BAMIC)
提出问题 由于之前的学习都是建议在有监督上面的,尚未研究没有标签的包的无监督多实例学习。BAMIC 就是来解决这个问题的; 先把一个包看作一个原子数据,然后使用某种方式来计算包之间的距离,BAMIC 采用的是流行的 K-MEDIODSK−MEDIODS 算法来将未带标签的包分成 kk 个不相关的包; 基于上面的聚类结果,一种新的多示例预测算法 BARTMIPBARTMIP 也被提出; 首先,每一个包都会被映射成一个 kk 维向量,第 ii 个特征值是与第 ii 个聚类中心的距离;原创 2020-12-20 17:08:55 · 483 阅读 · 3 评论 -
论文阅读(二):Multipleinstanceclassification:Review,taxonomyandcomparativestudy(2013-SimpleMI)
文章目录引入IntroductionExamplesofmultiple-instanceclassificationproblemsBasic concepts and overview of paradigms(基本概念和范式概述)引入 论文地址:我在这儿 要点: 1)提出一种以分类为基础的分析方法; 2)提出了14中方法,把他们分为三个不同的类,通过一组不同的数据来分析这些方法的表现,为了强调方法的特征,在合成场景中学习他们的表现; 3)进行对结果的分析得出结论,在全局选取包水平原创 2020-12-11 11:40:59 · 360 阅读 · 0 评论 -
多示例学习---001(多示例学习和多标签学习)
文章目录学前娱乐引入多示例学习重点1重点2多标签学习引入 想必,进来的同学们都是开始接触多示例学习的同伙(手动滑稽),作为一个小白,我接下来将从多示例学习的角度和多标签学习的一个角度来分析,关于多示例的一些概念。(有啥不对的地方,希望大家指正!)多示例原创 2020-12-08 11:40:38 · 1815 阅读 · 3 评论 -
论文阅读 (一):Aggregating local descriptors into a compact image representation (2010VLAD)
文章目录引入1 图像向量表示1.1 特征包(bag of features-BOF)引入 论文地址:戳戳。 要点: 1)在处理大规模图像问题的时候,考虑了搜索的准确性,其效率以及表示的内存使用情况; 2)把 aggregating local image descriptors 映射成一个有限维的向量,它是 Fisher 核的简化版; 3)为了维护向量的质量,通过共同优化降维和索引算法来实现。1 图像向量表示1.1 特征包(bag of features-BOF) 1)..原创 2020-11-26 19:53:15 · 981 阅读 · 2 评论