这篇博客详细记录了主动学习（Active Learning）和迁移学习（Transfer Learning）的研究进展，包括如何让网络预测训练损失选择样本，以及经典DANN等方法。同时，探讨了差分隐私（Differential Privacy）在机器学习中的应用，如DANN的隐私保护网络架构，以及基于差分隐私的线性回归和逻辑回归分析。还提及了模型攻击（Model Inversion Attack）的相关研究，如利用信心信息进行的模型反向攻击及其对策。
笔记导引
【Active Learning】
【论文笔记01】Learning Loss for Active Learning, CVPR 2019 让网络自己学会预测这个数据的训练损失，从而在无标记Pool中找到valuable instances
【论文笔记02】Active Learning For Convolutional Neural Networks: A Core-Set Approch, ICLR 2018 考虑Diversity的经典approach
【论文笔记03】Variational Adversarial Active Learning, ICCV 2019
【论文笔记04】Ranked Batch-Mode Active Learning, ICCV 2016
主动学习的文章有好多都没防，明年有时间的时候好好更新。
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
