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。
Shallow-circuit Supervised Learning on a Quantum Processor
Arxiv
0+阅读 · 1月6日
Self-Supervised Learning from Noisy and Incomplete Data
Arxiv
0+阅读 · 1月6日
Image, Word and Thought: A More Challenging Language Task for the Iterated Learning Model
Arxiv
0+阅读 · 1月6日
Diminishing Returns in Self-Supervised Learning
Diminishing Returns in Self-Supervised Learning
Arxiv
0+阅读 · 1月5日
Towards Practical Automatic Piano Reduction using BERT with Semi-supervised Learning
Arxiv
0+阅读 · 1月5日
Rank-based Geographical Regularization: Revisiting Contrastive Self-Supervised Learning for Multispectral Remote Sensing Imagery
Arxiv
0+阅读 · 1月5日
DeepInv: A Novel Self-supervised Learning Approach for Fast and Accurate Diffusion Inversion
Arxiv
0+阅读 · 1月4日
Contrastive Self-Supervised Learning As Neural Manifold Packing
Arxiv
0+阅读 · 1月3日
MCD: Marginal Contrastive Discrimination for conditional density estimation
Arxiv
0+阅读 · 1月2日
Hybrid Learning: A Novel Combination of Self-Supervised and Supervised Learning for Joint MRI Reconstruction and Denoising in Low-Field MRI
Arxiv
0+阅读 · 2025年12月31日
Unsupervised Learning for Detection of Rare Driving Scenarios
Unsupervised Learning for Detection of Rare Driving Scenarios
Arxiv
0+阅读 · 2025年12月29日
Learning Anatomy from Multiple Perspectives via Self-supervision in Chest Radiographs
Arxiv
0+阅读 · 2025年12月28日
Self-Supervised Skeleton-Based Action Representation Learning: A Benchmark and Beyond
Arxiv
0+阅读 · 2025年12月26日
Pre-training Vision Transformers with Formula-driven Supervised Learning
Arxiv
0+阅读 · 2025年12月25日
Semi-Supervised Learning for Large Language Models Safety and Content Moderation
Arxiv
0+阅读 · 2025年12月24日
参考链接
微信扫码咨询专知VIP会员
Top