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。
Deanonymizing Bitcoin Transactions via Network Traffic Analysis with Semi-supervised Learning
Arxiv
0+阅读 · 3月18日
Adaptive $Q$-Aid for Conditional Supervised Learning in Offline Reinforcement Learning
Adaptive $Q$-Aid for Conditional Supervised Learning in Offline Reinforcement Learning
Arxiv
0+阅读 · 3月13日
Relatively Smart: A New Approach for Instance-Optimal Learning
Arxiv
0+阅读 · 3月2日
ProxyFL: A Proxy-Guided Framework for Federated Semi-Supervised Learning
Arxiv
0+阅读 · 2月24日
Cheap Thrills: Effective Amortized Optimization Using Inexpensive Labels
Arxiv
0+阅读 · 3月5日
Learning Demographic-Conditioned Mobility Trajectories with Aggregate Supervision
Arxiv
0+阅读 · 3月3日
Interpreting Speaker Characteristics in the Dimensions of Self-Supervised Speech Features
Arxiv
0+阅读 · 3月3日
StableMaterials: Enhancing Diversity in Material Generation via Semi-Supervised Learning
Arxiv
0+阅读 · 2月26日
Revela: Dense Retriever Learning via Language Modeling
Arxiv
0+阅读 · 2月20日
Transcending the Annotation Bottleneck: AI-Powered Discovery in Biology and Medicine
Arxiv
0+阅读 · 2月23日
A Systematic Evaluation of Self-Supervised Learning for Label-Efficient Sleep Staging with Wearable EEG
Arxiv
0+阅读 · 3月11日
UniMotion: Self-Supervised Learning for Cross-Domain IMU Motion Recognition
Arxiv
0+阅读 · 3月12日
Learning Without Training
Arxiv
0+阅读 · 2月20日
The MAPS Algorithm: Fast model-agnostic and distribution-free prediction intervals for supervised learning
Arxiv
0+阅读 · 2月20日
Multi-Modal Monocular Endoscopic Depth and Pose Estimation with Edge-Guided Self-Supervision
Arxiv
0+阅读 · 2月19日
参考链接
微信扫码咨询专知VIP会员
Top