会员服务
监督学习是指：利用一组已知类别的样本调整分类器的参数，使其达到所要求性能的过程，也称为监督训练或有教师学习。 监督学习是从标记的训练数据来推断一个功能的机器学习任务。训练数据包括一套训练示例。在监督学习中，每个实例都是由一个输入对象（通常为矢量）和一个期望的输出值（也称为监督信号）组成。监督学习算法是分析该训练数据，并产生一个推断的功能，其可以用于映射出新的实例。一个最佳的方案将允许该算法来正确地决定那些看不见的实例的类标签。这就要求学习算法是在一种“合理”的方式从一种从训练数据到看不见的情况下形成。
SAM Carries the Burden: A Semi-Supervised Approach Refining Pseudo Labels for Medical Segmentation
Arxiv
0+阅读 · 11月19日
Long-term foehn reconstruction combining unsupervised and supervised learning
Arxiv
0+阅读 · 11月6日
Rozproszone Wykrywanie Zajętości Widma Oparte na Uczeniu Federacyjnym
Arxiv
0+阅读 · 11月5日
Adaptive $Q$-Aid for Conditional Supervised Learning in Offline Reinforcement Learning
Arxiv
0+阅读 · 10月22日
Weakly-supervised Camera Localization by Ground-to-satellite Image Registration
Arxiv
0+阅读 · 9月10日
Algorithm-agnostic significance testing in supervised learning with multimodal data
Arxiv
0+阅读 · 9月5日
Wasserstein Gradient Boosting: A Framework for Distribution-Valued Supervised Learning
Arxiv
0+阅读 · 8月29日
Bi-Factorial Preference Optimization: Balancing Safety-Helpfulness in Language Models
Arxiv
0+阅读 · 8月27日
PREVENT: An Unsupervised Approach to Predict Software Failures in Production
Arxiv
0+阅读 · 9月17日
Enhancing Vehicle Environmental Awareness via Federated Learning and Automatic Labeling
Arxiv
0+阅读 · 8月23日
MergeUp-augmented Semi-Weakly Supervised Learning for WSI Classification
Arxiv
0+阅读 · 8月23日
SuperSimpleNet: Unifying Unsupervised and Supervised Learning for Fast and Reliable Surface Defect Detection
Arxiv
0+阅读 · 8月22日
SuperSimpleNet: Unifying Unsupervised and Supervised Learning for Fast and Reliable Surface Defect Detection
Arxiv
0+阅读 · 8月6日
Oracle Bone Script Similiar Character Screening Approach Based on Simsiam Contrastive Learning and Supervised Learning
Arxiv
0+阅读 · 8月13日
Non-Gaited Legged Locomotion with Monte-Carlo Tree Search and Supervised Learning
Arxiv
0+阅读 · 8月14日
参考链接
父主题
机器学习
数据挖掘
子主题
DBN
微信扫码咨询专知VIP会员
Top