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。
Sparse Point-Guided Fusion of Supervised and Self-Supervised Learning Model for Seaweed Segmentation
Arxiv
0+阅读 · 6月19日
AICO: Feature Significance Tests for Supervised Learning
Arxiv
0+阅读 · 6月18日
UoU: A Universal Fingerprint Foundation Model Based on Large-Scale Unsupervised Learning
Arxiv
0+阅读 · 6月16日
Phenotyping TPF via Self-Supervised Learning: A Label-Agnostic Framework with Expert Validation
Arxiv
0+阅读 · 6月15日
Self-Supervised Learning as Discrete Communication
Arxiv
0+阅读 · 6月15日
You Don't Need Strong Assumptions: Visual Representation Learning via Temporal Differences
Arxiv
0+阅读 · 6月14日
Unsupervised Learning for Missing Modalities in Multimodal Learning
Arxiv
0+阅读 · 6月14日
Automated Pronunciation Evaluation for Korean Toddler Speech using Speech Diarization and Self-Supervised Learning
Arxiv
0+阅读 · 6月8日
HybridCodec: Fast Dual-Stream, Semantically Enhanced Neural Audio Codec
Arxiv
0+阅读 · 6月4日
Diff2SP: Diffusion Models for Correlated Scenario Generation in Stochastic Programming
Arxiv
0+阅读 · 6月4日
V-JEPA 2.1: Unlocking Dense Features in Video Self-Supervised Learning
Arxiv
0+阅读 · 6月11日
Seeing SDG 6 from space: local-scale monitoring of piped water and sewage system access across Africa using satellite imagery and self-supervised learning
Arxiv
0+阅读 · 5月30日
Is Supervised Learning Really That Different from Unsupervised?
Arxiv
0+阅读 · 6月4日
Beyond Binary: Speech Representations Across the Cognitive Score Hierarchy
Arxiv
0+阅读 · 5月26日
Semi-Supervised Learning with Noisy Proxy Covariates: Generalization Bounds and Distribution Regression
Arxiv
0+阅读 · 5月30日
参考链接
微信扫码咨询专知VIP会员
Top