BriefGPT.xyz
Ask
alpha
关键词
pseudolabeling
搜索结果 - 3
使用预训练网络进行协同学习,改善无源域适应
本文研究基于 ImageNet 预训练特征提取器的共同学习框架,以提高面向目标域的伪标记质量并进行迁移学习,同时使用熵最小化来提高非伪标记样本的预测精度,并在三个基准数据集上进行评估。结果显示,该方法优于现有的面向源自由域适应方法和假设联合
→
PDF
2 years ago
基于半监督对比度的离群值去除算法:伪最大期望算法 (SCOPE)
该研究提出了一种名为 SCOPE 的半监督对比异常值去除伪期望最大化方法,旨在压制伪标签带来的混淆错误,改进基于 EM 迭代的半监督深度学习算法行为,在移除离群值后,SCOPE 同时还能够有效提高半监督学习的分类精度,进一步搭配一致性正则化
→
PDF
2 years ago
AAAI
通过自训练增强反事实分类
本文提出了一种基于自训练和伪标记的方法,将观察数据中的有限未见行动的结果用分类值进行插值,以模拟随机试验的结果,并解决传统监督学习不可用的问题,应用到计价、在线营销、精准医疗等领域。
PDF
3 years ago
Prev
Next