关键词deep unsupervised learning
搜索结果 - 6
- AAAI基于不确定性感知伪标签学习的无监督域自适应显著目标检测
通过使用合成数据集来代替传统的手动标注，本论文提出了一种新的基于不确定性自学习的无监督域适应方法，用于深度学习中的显著物体检测任务，并在多个基准数据集中取得了超过现有深度学习方法的最佳表现，甚至与全监督方法相当。
- 广义分配问题的深度无监督学习：无线网络中用户关联的案例研究
使用深度无监督学习方法（DUL）来解决无线通信领域中的资源分配问题，该方法通过使用自定义的损失函数对深度神经网络进行训练。结果表明，使用该方法可以在更短的时间内获得接近最优解的结果。
- 通过观看不稳定视频学习视频稳定技术
本文提出了一种基于深度非监督学习的视频稳定方法 DUT，该方法通过将传统稳定器的任务分解为多个子任务，并借助 DNNs 的表征能力来处理现实世界场景中的挑战，以及利用关键点和网格顶点的时空一致性来制定训练目标，从而实现了无监督训练，并在公共 - 单源深度无监督视觉域自适应综述
本文综述了最新的单源深度无监督域适应方法，主要集中在视觉任务中，并讨论了未来研究的新视角。首先介绍了不同领域适应策略的定义和现有基准数据集的描述，然后总结和比较了不同类别的单源无监督域适应方法，包括基于差异性的方法，对抗式鉴别方法，对抗式生 - 变分自编码深度高斯过程
通过与一个识别模型相结合，我们开发了一个可扩展的深度非参数生成模型。在利用多层感知器的变分框架下，我们重新参数化变分后验分布，并推导出一个可处理深度学习任务规模数据集的变分下界公式，证明了该方法在深度无监督学习和深度贝叶斯优化领域的有效性。
- 从神经 PCA 到深度无监督学习
提出了一种支持深度无监督学习的网络，使用编码器到解码器的侧向快捷连接来支持层次结构，并通过去噪自编码器和去噪源分离框架进行学习，以学习不变特征。