supervised learning methods | BriefGPT

关键词supervised learning methods

搜索结果 - 10

LTNER：基于上下文实体标记的大型语言模型命名实体识别
LLMs 在自然语言处理中的应用已成为近两年的热门趋势，然而，对于某些 NLP 任务，如 NER，在与监督学习方法相比较时，LLMs 的性能仍然不足以胜任。我们的研究开发了一种名为 LTNER 的 NER 处理框架，该框架融入了一种革命性的
PDF3 months ago
基于堆叠自编码器和聚类的遥感地质绘图框架
此研究提出了一种利用堆叠自动编码器进行降维和 K 均值聚类来处理遥感数据的无监督机器学习框架，通过使用 Mutawintji 地区的 Landsat-8、ASTER 和 Sentinel-2 数据集进行地质制图的评估，结果显示该框架能够产生
PDF3 months ago
脑血管分割指南：在半监督学习的背景下处理不完全的注释
在这篇文章中，我们研究了在不完美数据和半监督学习的背景下，深度学习方法对脑血管分割的数据依赖性。具体来说，本研究比较了基于无监督正则化的各种半监督方法，并评估了它们在不同数量和质量数据场景中的性能。根据这些实验，我们提供了脑血管分割模型注释
PDF3 months ago
通过数学规划学习配置数学规划求解器
我们讨论寻找适合特定问题实例的数学规划求解器配置的问题，并提出了一个两阶段的解决方法。在第一阶段，我们学习了问题实例、配置以及规划求解器在给定实例上的性能之间的关系。学习一个好的求解器配置的一个特定困难是参数设置可能并不都是独立的；这需要施
PDF6 months ago
在法国路面中应用 SVM 方法对 GPR 数据进行分类以识别粘结层特性的几种变体：两个实验案例研究
应用机器学习方法对地下探测雷达进行反演，通过两个实验案例验证了支持向量机和支持向量回归方法在分类和估计填充层沥青乳化剂成分方面的有效性。
PDF7 months ago
蒙特卡洛树搜索和监督学习相结合的综合框架用于列车时刻表问题
这篇文章提出了一种综合的蒙特卡洛树搜索（MCTS）计算框架，通过结合启发式方法、无监督学习方法和监督学习方法来解决离散动作空间中的单轨铁路列车时刻表问题（TTP）。
PDF8 months ago
EMNLPLLMaAA：构建大型语言模型用于主动标注
通过使用大型语言模型作为注释者，并将其放入主动学习循环中，我们提出了 LLMaAA 方法，充分发挥大型语言模型的潜力并有效利用大量无标签数据，提高效率和可靠性，并且在命名实体识别和关系抽取等自然语言处理任务上取得了超过其他基线方法的更高性能
PDF8 months ago
基于模型的深层图像先验的定量易感性映射
基于模型的深度图像先验 (MoDIP) 是一种新颖的训练无关的无监督方法，利用小型未经训练的网络和数据保真度优化模块来解决变化扫描参数下定量磁化率成像 (QSM) 中的偶极反转问题。实验证明，MoDIP 在解决不同扫描参数下的 QSM 偶极
PDFa year ago
DisCLIP: 开放式词汇参照表达生成
DisCLIP: 一种基于预训练的视觉 - 语义模型和 LLM 的 REFER 生成方法，可以在推断时生成与目标概念一致且不包含其他干扰概念的上下文描述，相较于传统的监督学习方法，在泛化到新图像和概念的情况下表现更优，同时使用人工评估和多个
PDFa year ago
使用深度学习将两个场景的概念差异本地化，以供家庭保洁使用
本文提出了一种基于深度学习和迁移学习的方法，用于发现工业环境中两幅图像间的概念差异，解决了因环境中物体种类丰富多样以及光照条件改变而导致监督学习方法无法准确区分的问题，并使用添加和合成数据的方法来生成数据集，并对模型结果进行了评估，该方法具
PDF2 years ago