度量学习的目的为了衡量样本之间的相近程度,而这也正是模式识别的核心问题之一。大量的机器学习方法,比如K近邻、支持向量机、径向基函数网络等分类方法以及K-means聚类方法,还有一些基于图的方法,其性能好坏都主要有样本之间的相似度量方法的选择决定。 度量学习通常的目标是使同类样本之间的距离尽可能缩小,不同类样本之间的距离尽可能放大。
  1. Metric learning 度量学习 - lijiancheng0614
  2. 距离度量学习论文阅读
  3. 强化学习 Reinforcement Learning 教程系列 | 莫烦Python
  4. 近似推断 – Deep Learning Book Chinese Translation
  5. caffe-源码学习——只看一篇就够了 | 在河之洲
  6. 导学篇 | Machine Learning 机器学习-资源汇总 | ZJ.Improve
  7. my paper | 机器学习及自然语言处理
  8. 深度学习工作站配置 | Xiaodong's Homepage
  9. cs20si:tensorflow for research 学习笔记1 | Sherlock Blog
  10. 线性代数 – Deep Learning Book Chinese Translation
  11. 深度学习中的Data Augmentation方法和代码实现
  12. 机器学习(三十)——垃圾筐, NLP机器翻译常用评价度量
  13. 深度学习(三十二)——词向量进阶
  14. Deep Metric Learning - lijiancheng0614
  15. cs20si:tensorflow for research 学习笔记3 | Sherlock Blog
  16. Metric Learning Part1 | Notes
  17. Metric Learning to Rank
  18. 深度学习+自然语言处理(NLP)
  19. 对于人工智能的学习有哪些建议? - 知乎
  20. WonderList论文心愿单 - SIGGRAPH 2017 | CG中的深度学习
展开全文
参考链接
父主题
微信扫码咨询专知VIP会员