关键词semi-supervised machine learning
搜索结果 - 7
- 使用半监督自学习标记进行学习风格识别
我们提出了一种半监督机器学习方法，使用数据挖掘技术检测学生的学习风格，并证明我们的方法能够准确地识别不同的学习风格，并创建个性化的学习环境。
- 基于自编码器的 CMS 电磁量能器的在线数据质量监测异常检测系统
通过使用半监督机器学习的实时自编码器异常检测系统，可以快速识别、定位和诊断可能影响物理数据质量的 CMS 电磁量能器的各种问题，同时利用时间依赖性演化和探测器响应的空间变化，最大程度提高异常检测性能，该系统在 2018 年和 2022 年的 - 利用物理组织的潜在空间解码结构 - 光谱关系
提出了一种新的半监督机器学习方法来发现结构 - 光谱关系，并且使用 X-ray 吸收近边结构（XANES）光谱的解释作为特定例子。这种方法构建了一个将个体结构描述符与光谱趋势进行一对一映射的方法，并通过引入新的排序约束（RankAAE）来增 - 大词汇量本地 ASR 的双向学习
通过对一种在 conformer 模型上的 unsupervised 的 dual learning 方法的实验，取得了相对于之前模型的 10.7%/5.2%(没有 LM) 和 11.7%/16.4%(有 LM) 的 WER 提升，该方法对 - 利用数学实体链接解释 STEM 文档分类
本文研究了利用半监督机器学习方法和可解释的人工智能技术，结合数学实体链接来提高 STEM 文档分类的可解释性。实验结果表明，数学实体链接具有较高的可解释性。
- 半监督学习未标记数据集污染
本研究探讨半监督机器学习模型中一类新型的漏洞 —— 污染攻击，并提出两种方法来防止这种攻击。
- 跨设备追踪：匹配设备和 Cookie
本文介绍一种基于半监督机器学习方法的解决方案以识别哪些 cookies 属于使用特定设备的个人，该方法在 ICDM 2015 Drawbridge Cross-Device Connections 挑战中表现出良好性能。