Публикации по теме semi-supervised-learning

Публикации по теме 'semi-supervised-learning'

Полу-контролируемое обучение с кластеризацией K-средних

МАШИННОЕ ОБУЧЕНИЕ Полу-контролируемое обучение с кластеризацией K-средних Пример использования частично контролируемого обучения прогнозированию позиций игроков НБА с ограниченными метками данных. Обучение с учителем и обучение без учителя - две основные задачи в машинном обучении. Модели обучения с учителем используются, когда доступны выходные данные всех экземпляров, тогда как обучение без учителя применяется, когда у нас нет «истинного ярлыка». Несмотря на то, что..

Полу-контролируемое обучение с GAN

В этом посте я расскажу о частичной повторной реализации недавней статьи о множественной регуляризации (Lecouat et al., 2018) для полууправляемого обучения с помощью Generative Adversarial Networks (Goodfellow et al., 2014). Я попытаюсь заново реализовать их основной вклад, вместо того, чтобы правильно понимать все детали гиперпараметров. Кроме того, для демонстрации, временных ограничений и простоты я буду рассматривать набор данных MNIST, а не наборы данных CIFAR10 или SVHN, как это..

Ученый искусственного интеллекта: достижение непрерывного синтеза эмоциональной речи

Ученый искусственного интеллекта: достижение непрерывного синтеза эмоциональной речи Это резюме исследования - лишь одно из многих, которые еженедельно распространяются в информационном бюллетене для ученых в области ИИ. Чтобы начать получать еженедельную рассылку , зарегистрируйтесь здесь . Когда дело доходит до разработки надежных моделей взаимодействия человека с машиной, эмоциональная речь является важнейшим компонентом. В результате в недавнем прошлом было много попыток..

Машинное обучение для бегемотов с использованием сиамских сетей и однократного обучения

Глубокое обучение предоставляет нам лучшие, чем когда-либо, возможности классификации, больше, чем любой алгоритм, который мы видели раньше. Он также может обрабатывать необработанные данные, освобождая нас от разработки функций и необходимости знания предметной области. Похоже на сон. Когда я впервые узнал о глубоком обучении, я начал спрашивать себя, зачем любому специалисту по данным больше использовать классическое машинное обучение? Эти алгоритмы более слабые, более..

Интервью с Колином Раффелем, научным сотрудником Google

Я рад, что сегодня у меня есть Колин Раффел . Колин в настоящее время работает научным сотрудником в Google. Исследовательские интересы Колина в основном лежат в таких областях, как обучение с ограниченными размеченными данными, трансферное обучение, особенно из контекста НЛП. Колин также является одним из первых авторов основополагающей статьи Изучение ограничений передачи обучения с помощью унифицированного преобразователя текста в текст (T5). Среди других работ Колина мне больше..

FickleNet: Слабая и полууправляемая семантическая сегментация изображений с использованием стохастического вывода

Слабая и полууправляемая семантическая сегментация изображений с использованием стохастического вывода Предисловие Краткое изложение FickleNet [1] явилось результатом моего мастер-семинара на кафедре компьютерных медицинских процедур и дополненной реальности в ТУМ. Хочу поблагодарить своего куратора проекта Тарик Бдаир , а также кураторов курсов Магда Пашали и Dr. Шади Альбаркуни . Введение Для задач сегментации, в том числе медицинских, таких как сегментация опухоли, точность..

Дополнение нейронных сетей оптимизацией ограничений

Добавление ограничений, которые включают знания предметной области, - интересный способ дополнить нейронные сети мировыми знаниями и улучшить их производительность, особенно при низких настройках данных. Использование модулей оптимизации ограничений и / или логики поверх нейронных сетей стало довольно распространенной практикой для многих структурированных предсказаний задач в НЛП и компьютерном зрении. Например: BiLSTM-CRF для последовательности задач в NLP или использование CRF с..