监督

多模态学习旨在理解和分析来自多种模态的信息，近年来在监督机制方面取得了实质性进展。 然而，对数据的严重依赖加上昂贵的人工标注阻碍了模型的扩展。与此同时，考虑到现实世界中大规模的未标…

当前，很多自然语言处理（NLP）应用需要高质量的标注数据来支撑，特别是当这些数据被用于训练分类器或评估无监督模型的性能等任务中。 例如，人工智能研究人员通常希望过滤嘈杂的社交媒体数…

​自监督学习使计算机能够观察世界，通过学习图像、语音或文本的结构来了解世界。这推动了人工智能最近的许多重大进展。 尽管世界科研人员在该领域投入大量精力，但目前自我监督学习算法从图像…

论文链接：https://arxiv.org/abs/2203.12602 代码和预训练权重已经在Github开源：https://github.com/MCG-NJU/Video…

预训练已成为一种替代和有效的范式，以克服这些缺点，其中模型首先使用容易获得的数据进行训练，然后用于解决感兴趣的下游任务，标记数据比监督学习少得多。 使用未标记数据进行预训练，即自监…

当前，半监督学习的发展如火如荼。但是现有的半监督学习基准大多局限于计算机视觉分类任务，排除了对自然语言处理、音频处理等分类任务的一致和多样化评估。此外，大部分半监督论文由大型机构发…

我们都知道，人类的大脑90%都是自监督学习的，生物会不断对下一步发生的事情做出预测。 自监督学习，就是不需要外部干预也能做出决策。 只有少数情况我们会接受外部反…

今天给大家聊聊机器学习算法相关的知识，一起来看看吧！ 机器学习的算法主要包括监督学习、无监督学习、半监督学习、迁移学习、强化学习。 1、监督学习 监督学习是机器学习当中非常常见的一…

无监督学习（Unsupervised Learning）是和监督学习相对的另一种主流机器学习的方法，无监督学习是没有任何的数据标注只有数据本身。 无监督学习算法有几种类型，以下是其…