注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 多示例多标记学习

  2. 在利用机器学习技术解决实际问题时，常见的做法是先对真实对象进行特征提取，用一个特征向量来描述这个对象，这样就得到了一个示例（instance），然后把示例与该对象所对应的类别标记（label）关联起来，就得到了一个例子（example）。在拥有了一个较大的例子集合之后，就可以利用某种学习算法来学得示例空间与标记空间之间的一个映射，该映射可以预测未见示例（unseen instance）的标记。假设每个对象只有一个类别标记，那么形式化地来说，令为示例空间、为标记空间，则学习任务是从数据集 中学得

  3. 所属分类：webOS

    • 发布日期：2014-07-10
    • 文件大小：1048576
    • 提供者：u010659604

  1. 深度学习博硕论文合集（1）

  2. 基于卷积神经网络的深度学习算法与应用研究.nh 基于深度学习的视频人脸识别方法2.nh 基于深度学习的视频人脸识别方法.nh 基于深度学习的图像检索研究.nh 基于深度学习的语音识别.nh 基于深度学习与条件随机场的多标记学习方法的中医问诊.nh

  3. 所属分类：专业指导

    • 发布日期：2014-10-16
    • 文件大小：51380224
    • 提供者：wuzaiwuzai

  1. Overview on multi-label learning.pptx

  2. PPT内容是对多标记学习的概述。包括多标签学习提出的背景，代表性的算法，评价指标等。

  3. 所属分类：讲义

    • 发布日期：2016-12-01
    • 文件大小：410624
    • 提供者：kdyyh

  1. 基于多模态多标记迁移学习的早期阿尔茨海默病诊断

  2. 基于多模态多标记迁移学习的早期阿尔茨海默病诊断，基于多模态多标记迁移学习的早期阿尔茨海默病诊断

  3. 所属分类：深度学习

    • 发布日期：2018-03-08
    • 文件大小：980992
    • 提供者：baidu_41808302

  1. 一种新型多标记懒惰学习算法

  2. 在多标记学习框架下的一种多标记懒惰学习算法，算法利用了蕴含于其他概念类中的信息，充分考察了样本多个标记之间的相关性

  3. 所属分类：机器学习

    • 发布日期：2018-03-19
    • 文件大小：495616
    • 提供者：qq_24855055

  1. 多标签(multi-label)数据问题常用的分类器或者分类策略

  2. 目前有很多关于多标签的学习算法，依据解决问题的角度，这些算法可以分为两大类：一是基于问题转化（Problem Transformation）的方法，二是基于算法适应的方法和算法适应方法（Algorithm Adaptation）。基于问题转化的多标记分类是转化问题数据，使之适用现有算法；基于算法适应的方法是指针对某一特定的算法进行扩展，从而能够直接处理多标记数据，改进算法，适应数据。

  3. 所属分类：机器学习

    • 发布日期：2018-07-03
    • 文件大小：104448
    • 提供者：beaujor

  1. 多示例学习与多标记学习的研究

  2. 多示例学习与多标记学习的研究，在工作的应用场景中很有帮助

  3. 所属分类：机器学习

    • 发布日期：2018-10-23
    • 文件大小：217088
    • 提供者：wang_anqi

  1. HTML网页超链接标记

  2. HTML网页超链接标记学习教程链接标记的属性链接是网页页面中最重要的元素之一，是一个网站的灵魂。一个网站是由多个页面组成的，页面之间依靠链接确定相互的导航关系。每一个网页都有独一无二的地址，在英文中被称作url(Uniform Resource Locator：通用资源标示符)

  3. 所属分类：其它

    • 发布日期：2020-09-28
    • 文件大小：110592
    • 提供者：weixin_38603704

  1. 针对弱标记的多标记数据集成学习分类方法

  2. 提出一种针对弱标记的多标记数据集成学习分类方法，它通过采用基于相似性成对约束投影的方法来处理数据，更好地利用了弱标记样本的特征，从而提高了分类性能。

  3. 所属分类：其它

    • 发布日期：2020-10-18
    • 文件大小：236544
    • 提供者：weixin_38748210

  1. HTML网页超链接标记

  2. HTML网页超链接标记学习教程 链接标记的属性 链接是网页页面中最重要的元素之一，是一个网站的灵魂。一个网站是由多个页面组成的，页面之间依靠链接确定相互的导航关系。每一个网页都有独一无二的地址，在英文中被称作url(Uniform Resource Locator：通用资源标示符)。在地址栏输入https://www.jb51.net然后回车，会打开软件开发网网站的主页面。可以看到，页面中有多个栏目，多条新闻等，最上方不同的栏目就是文字链接。 链接标记虽然在网站设计制作中占有不可替代的地位，但是

  3. 所属分类：其它

    • 发布日期：2020-12-14
    • 文件大小：56320
    • 提供者：weixin_38499336

  1. [cv] MTCNN 多任务卷积神经网络

  2. 参考： 用包代码：https://blog.51cto.com/gloomyfish/2319246 不用包代码：http://www.sfinst.com/?p=1683 MTCNN模型概述 多任务卷积神经网络(MTCNN)实现人脸检测与对齐是在一个网络里实现了人脸检测与五点标定的模型，主要是通过CNN模型级联实现了多任务学习网络。整个模型分为三个阶段，第一阶段通过一个浅层的CNN网络快速产生一系列的候选窗口；第二阶段通过一个能力更强的CNN网络过滤掉绝大部分非人脸候选窗口；第三阶段通过一个能

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：367616
    • 提供者：weixin_38698860

  1. 基于多核融合的多实例多标签场景分类方法

  2. 多实例多标签学习是多标签分类中多实例学习的扩展，已成功应用于图像分类中。 在现有算法中，通常将袋子中实例的分布相互独立，这在图像分类中很难保证。 考虑中 在一个袋子实例的相关性，inthis本文基于多内核场景分类的新方法fusionand提出多实例多标记学习。 首先，通过构建图来介绍实例相关性。 然后，基于不同比例尺的图，可以从内核函数中得出不同的内核矩阵。 最后，基于多核融合的多核SVM分类器可以预测多标签。 对场景数据集和MSRC v2数据集的实验结果表明，与其他方法相比，该方法极大地提高

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：724992
    • 提供者：weixin_38515362

  1. 通过潜在社区检测和多核学习进行图像注释

  2. 对于在线照片共享网站的用户和管理员来说，自动图像批注是一项有吸引力的服务。 在本文中，我们提出了一种图像标注方法，该方法利用了标签的潜在语义社区和多核学习（LCMKL）。 首先，为标记构建概念图，以指示概念之间的关系。 基于概念图，使用自动社区检测方法探索语义社区。 对于要注释的图像，使用多核支持向量机从其视觉特征确定图像的潜在社区。 然后，通过社区内和社区间排名确定基于候选标签排名的方法。 在NUS-WIDE数据库和IAPR TC-12数据集上进行的实验表明，LCMKL的性能优于某些最新方法。

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：2097152
    • 提供者：weixin_38657139

  1. 一种嵌入样本流形结构与标记相关性的多标记降维算法

  2. 现有的多标记降维算法常通过学习标记相关性构建样本间的相似关系,进而提高学习系统的性能.然而,在实际应用中,样本的标记信息可能存在噪声,且部分标记信息可能缺失,因此由样本的标记信息学得的标记相关性可能不准确,无法有效挖掘样本间的相似关系.为了解决该问题,从样本的特征空间与标记空间两个方面构建样本间的相似关系.在利用标记空间学习标记相关性的同时,通过引入特征空间中的概率超图模型,提出一种嵌入样本流形结构与标记相关性的多标记降维算法.在十个多标记数据集和六种评价准则上的实验结果证明了所提算法的有效性.

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：2097152
    • 提供者：weixin_38500734

  1. 通过多实例判别学习对卫星图像进行弱监督车辆检测

  2. 卫星图像中的车辆检测已经引起了广泛的研究兴趣，具有广泛的应用潜力。 主要挑战在于难以在卫星图像的所有分辨率和成像条件下标记足够的训练实例（车辆矩形），这会降低相应训练的车辆检测器的性能。 为了解决这一挑战，在本文中，我们提出了一种智能且省力的照明方案，用于车辆检测器的大规模培训。 我们的方案仅需要区域级别的组注释，即该区域是否包含车辆，而无需显式标记车辆的边界框。 为此，设计了一种新颖的弱监督，多实例学习算法，以从此类“弱标签”中学习实例化的车辆检测器。 特别地，首先采用密度估计器从正区域估计车

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：786432
    • 提供者：weixin_38644780

  1. 基于多示例学习的异常行为检测方法

  2. 在基于轨迹分析的异常行为检测方法中,被标记为异常的轨迹往往仅在整条轨迹的某个局部存在异常,轨迹的其余部分都是正常行为.然而,传统的基于整条轨迹建模的方法很难检测轨迹的局部异常.针对上述问题,提出一种在多示例学习框架下基于轨迹分段的异常行为检测方法.该方法首先根据轨迹的曲率,将轨迹分割成若干相互独立的子段.然后采用层次狄利克雷过程-隐马尔科夫模型对每个子段建模.最后在多示例学习框架下,以整条轨迹为包,正常轨迹为负包,异常轨迹为正包,轨迹子段为包的示例进行学习.通过实验验证,该方法在准确率和召回率上

  3. 所属分类：其它

    • 发布日期：2021-02-21
    • 文件大小：512000
    • 提供者：weixin_38730389

  1. 多标记学习研究综述

  2. 多标记学习研究综述

  3. 所属分类：其它

    • 发布日期：2021-02-07
    • 文件大小：1048576
    • 提供者：weixin_38544978

  1. bert-multitask-learning：用于多任务学习的BERT-源码

  2. 多任务学习专家 注意：从0.4.0开始，tf版本必须大于等于2.1。 安装 pip install bert-multitask-learning 它是什么 这个项目使用变压器（基于拥抱面部变压器）进行多模式多任务学习。 我为什么需要这个 在原始的BERT代码中，多任务学习或多GPU训练都不可行。 另外，该项目的初衷是NER，它在原始BERT代码中没有有效的脚本。 总而言之，与原始bert回购相比，此回购具有以下功能： 多模式多任务学习（重写大部分代码的主要原因）。 多GPU训练 支持序列

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：29360128
    • 提供者：weixin_42113456

  1. ALiPy：ALiPy：Python中的主动学习是一种主动学习python工具箱，它使用户可以方便地评估，比较和分析主动学习方法的性能-源码

  2. ALiPy：Python中的主动学习 作者：唐英鹏，李国祥， 在线文档： : 介绍 ALiPy是一个基于Python实现的主动学习工具包，内置20余种主动学习算法，并提供包括数据处理，结果可视化等工具。ALiPy根据主动学习框架的不同部件提供了一些独立的工具类，这样可以减少可以方便地支持不同主动学习场景，可以使用户自由地组织自己的项目，用户可以不必继承任何接口来实现自己的算法与替换项目中的部件。从而，ALiPy可以支持多种不同的主动学习场景，如标注注意敏感，噪声标注者，多标记查询等。详细的介

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：167936
    • 提供者：weixin_42146274

  1. 通过潜在社区检测和多核学习进行图像注释

  2. 对于在线照片共享网站的用户和管理员来说，自动图像批注是一项有吸引力的服务。 在本文中，我们提出了一种图像标注方法，该方法利用了标签的潜在语义社区和多核学习（LCMKL）。 首先，为标记构建概念图，以指示概念之间的关系。 基于概念图，使用自动社区检测方法探索语义社区。 对于要注释的图像，使用多核支持向量机从其视觉特征确定图像的潜在社区。 然后，通过社区内和社区间排名确定基于候选标签排名的方法。 在NUS-WIDE数据库和IAPR TC-12数据集上进行的实验表明，LCMKL的性能优于某些最新方法。

  3. 所属分类：其它

    • 发布日期：2021-03-31
    • 文件大小：1048576
    • 提供者：weixin_38713167
« 12 3 4 5 6 7 8 9 10 ... 34 »