unlabeled data | BriefGPT - AI 论文速递

关键词unlabeled data

搜索结果 - 256

人脑自我监督学习动态功能连接的联合嵌入式掩模自编码器
图神经网络在学习动态功能连接方面显示出潜力，但是在训练时获取大量标记的临床数据往往资源密集，使实际应用困难。因此，借助无标签数据在标记稀缺环境中进行表征学习变得至关重要。本文介绍了一种空时联合嵌入掩码自编码器（ST-JEMA），它借鉴了计算
PDF4 months ago
生成模型能否改善自监督表示学习？
自我监督学习通过使用生成模型生成语义一致的图像增强，丰富了学习强大视觉表示的方法，并显著提高了学习到的视觉表征的质量。
PDF4 months ago
基于病例对照研究的逻辑回归有效半监督推断
在半监督学习设置下，使用案例 - 对照抽样方法采集到的带有结果和协变量的标记数据集以及仅包含协变量的未标记数据集，可以通过构建观测到的标记和未标记数据的似然函数，并通过迭代算法获得最大似然估计，从而识别出截距参数并同时提高斜率参数的估计效率
PDF4 months ago
ICLR自导向掩蔽自编码器用于领域无关的自我监督学习
Self-guided Masked Autoencoders (SMA) is a fully domain-agnostic masked modeling method for self-supervised learning, ac
PDF4 months ago
ICLR无标签数据如何在区分分布之外的检测中发挥作用？
使用无标签数据来规范机器学习模型已经显示出改善检测超出分布数据的安全性和可靠性的潜力。一个新的学习框架 SAL（分割与学习）通过从无标签数据中分离候选离群值然后使用这些候选离群值和标记的正态数据训练离群值分类器，理论上证明了 SAL 能以较
PDF5 months ago
探索医学图像的内在特性，用于自监督二值语义分割
介绍了一种专门为医学图像分割设计的自我监督框架 MedSASS，通过在四个不同的医学数据集上的评估，展示了其优越性。在 CNN 和 ViT 架构上相较于现有方法，MedSASS 在没有端到端训练和有端到端训练时分别表现出 14.4% 和 6
PDF5 months ago
ICLR频谱转换核回归
无标签数据是现代机器学习的关键组成部分，本论文回顾了传统的谱转换核回归（STKR）算法，并提供了一类新的通用且可扩展的 STKR 估计器，能够利用无标签数据。通过谱变换，STKR 利用了无标签数据提供的额外信息来学习数据分布，并在已知多项式
PDF5 months ago
用 Stiefel 矩阵估计弱监督的协方差矩阵对齐在脑磁应用中的应用
该研究论文介绍了一种针对目标数据集中有限标记信号的新颖时序数据域自适应技术，称为混合模型 Stiefel 自适应 (MSA)，通过利用目标域中丰富的无标记数据，建立起信号方差之间的等价对应关系，以确保有效的预测。该方法在神经科学问题中的应用
PDF5 months ago
内存一致性引导的分治学习方法用于广义类别发现
通过引入两个内存库记录未标记数据的历史预测，我们提出了一个记忆一致性引导的分治学习框架（MCDL），该框架利用预测一致性衡量每个样本的可信度，设计了分治学习策略来充分利用未标记数据的区分性信息，同时减小噪声标签的负面影响，通过多个基准实验结
PDF5 months ago
通过自监督表示混合和嵌入初始化最大化跨语言 TTS 适应的数据效率
本文介绍了一种有效的迁移学习框架，用于在文本转语音系统中进行语言适应，重点是通过使用尽可能少的标记和未标记数据实现语言适应。实验结果表明，我们的框架能够仅使用 4 个标记数据和 15 分钟未标记数据合成未知语言的可懂语音，还能在可获得更多数
PDF5 months ago
AdaEmbed: 嵌入空间中的半监督领域自适应
借助未标记的数据，AdaEmbed 通过学习一个共享的嵌入空间，生成精确且统一的伪标签，从而克服了常规半监督领域适应的局限，显著提高了性能。
PDF5 months ago
FlexSSL: 泛化高效的半监督学习框架
通过构建一个半合作的 “游戏”，FlexSSL 旨在解决半监督学习中标签可观察性的辨别问题，从而充分利用标注和未标注数据，并通过理论推导证明了它与噪声标签上的损失重新加权的联系，通过在不同任务上的评估，我们证明了 FlexSSL 可以持续增
PDF6 months ago
AAAIPG-LBO：通过伪标签和高斯过程引导增强高维贝叶斯优化
基于变分自编码器的贝叶斯优化（VAE-BO）在处理高维结构化优化问题方面表现出出色的性能。我们提出了一种新颖的方法，通过利用无标签数据的引导，来有效地利用无标签数据与有标签数据进行训练，从而增强鉴别性潜空间的构建。本文中的方法在各种优化场景
PDF6 months ago
动态子图提炼用于稳健的半监督连续学习
我们提出了一种名为动态子图蒸馏（DSGD）的新方法，它利用语义和结构信息，实现对无标签数据的稳定知识蒸馏，对分布偏差具有鲁棒性，并在半监督连续学习场景中减轻了灾难性遗忘问题。
PDF6 months ago
通过多元化揭示 OOD 推广的关键组成部分
多样化方法对无标签数据的分布敏感，单纯多样化无法实现 OOD 泛化，学习算法的选择至关重要，将导致精度绝对下降 20％；选择最佳学习算法依赖于无标签数据，同时无标签数据也依赖于学习算法的选择。增加多样性假设数量不能解决这些问题。以上发现为了
PDF6 months ago
利用公开未标记数据的好处：基于 Frangi 滤波的预训练 3D 脑血管分割网络
通过利用未标记的数据和基于 Frangi 滤波的预处理策略，本研究构建了迄今为止规模最大的预处理未标记 TOF-MRA 数据集 (1510 个对象)，有效地实现了 3D 脑血管的分割，提高了模型性能，相对于现有的半监督和自监督方法还有约 3
PDF6 months ago
AAAI熵驱动的开放集主动学习
该研究提出了一种基于熵的开放集主动学习（EOAL）框架，通过有效利用已知和未知分布，从未标记的数据中选择信息量较高的样本，并在 CIFAR-10、CIFAR-100 和 TinyImageNet 数据集上表现优于现有的最先进方法。
PDF6 months ago
半监督学习能否有效利用全部数据？从下界的角度看
半监督学习算法可以利用未标记数据，改善有监督学习算法的样本复杂性。然而，现有的理论分析主要关注无监督学习能够使用足够的未标记数据来学习良好的决策边界的情况。我们通过对二元高斯混合模型的严格下界进行推导，在分布的标记和未标记数据集大小以及混合
PDF7 months ago
元学习协同训练：双视角胜过单一视角
基于少量训练资源，Meta Co-Training 在 ImageNet-10% 上取得了新的最先进性能，并在其他细粒度图像分类数据集上胜过先前的半监督方法。
PDF7 months ago
一种统一的基于计数的弱监督学习方法
通过计算确切地设为真输出的概率，我们提出了一种统一的弱标签计数弱监督学习方法，并在三种常见的弱监督学习范例上取得了最先进或高度竞争的结果。
PDF7 months ago