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。
Tracing Copied Pixels and Regularizing Patch Affinity in Copy Detection
Arxiv
0+阅读 · 2月19日
Machine Learning in Epidemiology
Arxiv
0+阅读 · 2月18日
BAT: Better Audio Transformer Guided by Convex Gated Probing
Arxiv
0+阅读 · 2月18日
Curriculum Multi-Task Self-Supervision Improves Lightweight Architectures for Onboard Satellite Hyperspectral Image Segmentation
Arxiv
0+阅读 · 2月16日
Designing a Robust, Bounded, and Smooth Loss Function for Improved Supervised Learning
Arxiv
0+阅读 · 2月6日
T-REGS: Minimum Spanning Tree Regularization for Self-Supervised Learning
Arxiv
0+阅读 · 2月6日
Supervised Learning of Functional Outcomes with Predictors at Different Scales: A Functional Gaussian Process Approach
Arxiv
0+阅读 · 2月10日
Training deep physical neural networks with local physical information bottleneck
Arxiv
0+阅读 · 2月10日
Integrating Unsupervised and Supervised Learning for the Prediction of Defensive Schemes in American football
Arxiv
0+阅读 · 2月11日
Implicit Actor Critic Coupling via a Supervised Learning Framework for RLVR
Arxiv
0+阅读 · 2月16日
Graph-based Semi-Supervised Learning via Maximum Discrimination
Arxiv
0+阅读 · 2月8日
Cardiac Output Prediction from Echocardiograms: Self-Supervised Learning with Limited Data
Arxiv
0+阅读 · 2月14日
Why Prototypes Collapse: Diagnosing and Preventing Partial Collapse in Prototypical Self-Supervised Learning
Arxiv
0+阅读 · 2月12日
Self-Supervised Learning for Speaker Recognition: A study and review
Arxiv
0+阅读 · 2月11日
Self-Supervised Learning as Discrete Communication
Arxiv
0+阅读 · 2月10日
参考链接
微信扫码咨询专知VIP会员
Top