论文阅读
文章平均质量分 82
我的论文阅读笔记
静仔小鱼大中华地区代言人
这个作者很懒,什么都没留下…
展开
-
【论文阅读】Multi-view Multi-instance Multi-label Active Learning
多视图多实例多标签主动学习。原创 2022-08-03 15:30:45 · 1082 阅读 · 0 评论 -
论文阅读--Multi-Attention Multiple Instance Learning
论文阅读原创 2022-06-22 19:34:03 · 946 阅读 · 0 评论 -
Neural Networks for Multi-Instance Learning代码复现
Neural Networks for Multi-Instance Learning论文阅读笔记多示例数据的数据集结构与单实例的数据不同,一个样本由一个包表示,一个包中有多个实例,标签被分配给包而不是实例。定义加载多示例数据集的方法如下,接收输入path为包的路径,# 加载普通MIL数据集def Load_data(path, ne_label=0): data = loadmat(path)['data'] dataset_name = path.split('/')[-1].s原创 2022-05-25 21:33:49 · 614 阅读 · 0 评论 -
多示例论文泛读--Attention-based Deep Multiple Instance Learning
基本概念Permutation Invariant:指的是特征之间没有空间位置关系Pooling(池化):是卷积神经网络中的一个重要的概念,它实际上是一种形式的降采样。多种不同形式的非线性池化函数,而其中“最大池化(Max pooling)”是最为常见的。它是将输入的图像划分为若干个矩形区域,对每个子区域输出最大值。直觉上,这种机制能够有效的原因在于,在发现一个特征之后,它的精确位置远不及它和其他特征的相对位置的关系重要。池化层会不断地减小数据的空间大小,因此参数的数量和计算量也会下降,这在一定程度上原创 2022-05-11 19:56:34 · 683 阅读 · 0 评论 -
论文阅读及神经网络学习----Neural Networks for Multi-Instance Learning
神经网络神经网络由多个layer(单层)组成,一层就是一个函数。这是一个最简单的网络结构,f()f()f()就是一个layer 输入样本xxx为一个1×d1\times d1×d的矩阵,通过f()f()f()得到1×l1\times l1×l的输出wxwxwx,其中www是d×ld\times ld×l的矩阵。使用神经网络进行预测,真实标签:YYY预测标签:Y^\hat{Y}Y^损失:loss =∣Y^−Y∣2=(wx−Y)2|\hat{Y}-Y|^{2}=(wx-Y)^{2}∣Y^−Y∣2=原创 2022-05-04 18:37:42 · 1030 阅读 · 0 评论 -
多示例论文阅读--Multi-Instance Ensemble Learning With Discriminative Bags
TBBM传统的基于包的映射算法仅考虑空间分布来生成kBagSet(关键包集)ELDB基于判别包的映射算法进一步考虑数据的标签信息来生成一个dBagSet(鉴别包集)并引入一种自增强机制来学习和更新现有的dBagSet使用集成技术生成一系列加权模型。主要的两个特点:判别包选择技术分类器集成方法三条研究路线与我们的工作直接相关。基于实例的判别分析基于选定实例设计映射函数,并将包转换为新的特征空间。最简单的方法是从整个实例空间中构造映射函数,使用fsC(Bi,x)=min原创 2022-04-21 15:33:47 · 1790 阅读 · 0 评论 -
多示例论文泛读--Query-Driven Multi-Instance Learning
题目Query-Driven Multi-Instance Learning查询驱动的多实例学习Bib在这里插入代码片相关概念多示例多标签:现有的 MIML 监督学习方法提供了与每个训练包相关联的完整二进制标签向量,因此可以访问包中任何类标签的存在...原创 2022-02-08 16:55:02 · 226 阅读 · 0 评论 -
多示例论文泛读--2018-1-MIRSVM_ Multi-instance support vector machine with bag representatives
题目MIRSVM: Multi-instance support vector machine with bag representatives包代表的多实例支持向量机符号系统符号含义nnn包的个数mmm示例的个数ddd示例的属性个数B={B1,…,Bn}\mathcal{B}=\left\{\mathcal{B}_{1}, \ldots, \mathcal{B}_{n}\right\}B={B1,…,Bn}包的集合...原创 2022-01-29 16:09:52 · 1343 阅读 · 0 评论 -
多示例论文泛读--2018-1-Landmark-based deep multi-instance learning for brain disease diagnosis
题目Landmark-based deep multi-instance learning for brain disease diagnosis基于地标的深度多实例学习用于脑疾病诊断符号系统摘要传统的基于磁共振(MR)图像的方法 两个阶段1、手动将每个 MR 图像划分为多个感兴趣区域(ROI)2、 从每个 ROI 中提取预定义的特征,用某个分类器进行诊断。本文提出了一种基于地标的深度多实例学习 (LDMIL) 框架,用于脑疾病诊断。本文首先采用数据驱动的学习方法来发现大脑 MR 图像中原创 2022-01-28 18:09:13 · 2694 阅读 · 0 评论 -
多示例论文泛读--2017-1-Multi-View Multi-Instance Learning Based onJoint Sparse Representation and Multi-Vie
题目Multi-View Multi-Instance Learning Based onJoint Sparse Representation and Multi-View Dictionary Learning符号系统符号含义χ\chiχ示例空间xijx_i^jxij第iii个包中的第jjj个示例Xi={xi,1,xi,2,…,xi,ni}∈χX_i =\{x_{i,1},x_{i,2},\dots,x_{i,{n_i}}\}\in\chiXi={xi,1原创 2022-01-20 17:16:38 · 401 阅读 · 0 评论 -
多示例泛读--2017-1-Multiple-Instance Ordinal Regression
题目 Multiple-Instance Ordinal Regression相关概念:Ordinal Regression:有序回归(OR)是监督学习中的一种范式,旨在学习有序类的预测模型。原始的逻辑回归只解决二分类问题,例如对猫,狗,鸟,花等的分类。有序回归适用于 不同类别的类别之间有一定的顺序关系的情况。如果一个样本的真实年龄是0,如果用分类方法,我们把它的年龄分类成1岁和2岁时的损失是相等的。但是,明显1岁要比2岁,更加接近于0岁,1岁是一个比2岁更可被接受的分类。因此从应用意义上,1岁应该比2原创 2022-01-17 20:11:01 · 974 阅读 · 0 评论 -
论文阅读---Solving multi-instance problems with classifier ensemble based on constructive clustering
多示例学习:传统的机器学习将单个示例作为一个目标对象,为其分配标签,而多实例学习将多个示例作为一个包,并将一个包作为一个目标对象,为其分配标签。原文使用将包映射为向量的方式来实现多示例问题的预测本文的符号系统:符号含义B\mathcal{B}B所有包的集合XiX^iXi第iii个包xxx示例D\mathcal{D}D有m个数字的集合{d1,d2,…,dm}\{d_1,d_2,\dots,d_m\}{d1,d2,…,dm}ZZZ存放所有示例的集原创 2022-01-10 18:12:01 · 725 阅读 · 0 评论 -
多示例论文阅读-2020Robust Multi-Instance Learning with Stable Instances
原文处理了多示例学习中的分类问题目前为止,有主要两种方法来解决多示例预测的问题。方法一:修改监督学习器,使其适应多示例的特征向量表示的方式。方法 二:转换表示。即将二维的包bagbagbag转换一维的示例instanceinstanceinstance本文提出了一个包中的三种示例的概念:因果示例:如果一个示例加入一个负包中,让这个负包的标签转为正,则这个示例为因果示例-------(其实就是正示例,对应图片中的狗)噪声示例:单来说就是那些在训练是容易会被误以为是正示例的负示例,比如说草,雪原创 2021-11-02 14:10:57 · 288 阅读 · 1 评论 -
论文阅读---Clustering by fast search and find of density peaks
原文提出了一种聚类密度峰值的方法聚类 Clustering:即将数据对象的集合分成相似对象的过程本文假设聚类中心被具有较低局部密度的邻居包围,并且它们与具有较高局部密度的任何点的距离相对较大。ρi=∑jχ(dij−dc)\rho_{i}=\sum_{j} \chi(d_{ij}-d_{\mathrm{c}})ρi=j∑χ(dij−dc)...原创 2021-11-26 15:04:47 · 399 阅读 · 0 评论 -
多示例学习论文阅读-multi-instance clustering with applications to multi-instance prediction2009BAMIC
多实例学习原创 2021-08-05 19:03:55 · 374 阅读 · 0 评论