协同训练是一种多视角学习方法，当数据充分时，在具有这种特征的数据集的任何一个视图上均可以利用一定的机器学习算法训练出一个强分类器。但是大量数据都是无标记的情况下，无法训练出一个强泛化能力的分类器，因此针对这个问题，本次学术报告为大家介绍了协同训练。
原创文章，作者：admin，如若转载，请注明出处：https://www.isclab.org.cn/2018/01/07/%e5%8d%8f%e5%90%8c%e8%ae%ad%e7%bb%83/
自步学习
上一篇
2018年1月2日
深度学习优化算法概述
下一篇
2018年1月22日
相关推荐
-
Wireless Traffic Dataset for Krack and Kr00k Attacks in WPA2
This report centers on the “Wireless Traffic Dataset for KRACK and Kr00k Attacks in …
-
异质图神经网络
异构图（HG）也称为异构信息网络，在现实世界中已变得无处不在；因此，HG嵌入（HG embedding）近年来受到了广泛关注，它旨在学习低维空间中的表示，同时保留下游任务的异构结构…
-
深度神经网络后门攻击
人工智能模型安全是人工智能应用落地需要考量的重要问题，后门攻击威胁是人工智能模型安全的重要议题。本次学术报告以深度神经网络为后门攻击的对象，从深度神经网络训练的内部机理出发，通过了…
-
深度神经网络对抗样本防御方法
近年来深度学习技术不断突破，极大促进了人工智能行业的发展，但人工智能模型本身易受到对抗攻击从而引起严重后果。对原始样本有针对性地加入微小扰动，该扰动不易被人眼所察觉，但会导致人工智…
-
超参数优化
本次报告介绍了超参数的概念和对模型的影响，解释了超参数与模型参数的区别，详细讲解了网格搜索、随机搜索、贝叶斯优化三种优化方法，分析其使用场景及优缺点，最后列举了三种实用的开源调优工…
-
数据挖掘
Bias-Variance trade-off 启发式参数优化算法举例 参数寻优：梯度下降/牛顿下降法 追根溯源 频繁项集算法分析 并查集算法及其在约束传递中的应用 Floyd解决…
-
模型无关元学习
元学习是人工智能领域继深度学习、深度强化学习、生成对抗之后，又一个重要的研究分支。模型无关元学（MAML）算法可以适用于多个领域，包括少样本的回归、图像分类，以及增强学习，并且使用…
-
LDA主题模型浅析
LDA主题模型可以将文档集中每篇文档的主题按照概率分布的形式给出。同时它是一种无监督学习算法，在训练时不需要…
-
文本安全
动态规划——最小编辑代价 序列标注模型 命名实体识别简介 文本表示方法（一）——空间向量模型 文本表示方法（二）——潜在语义分析 文本表示方法(三)——topic models i…
-
深度神经网络鲁棒性评估方法
本报告介绍了深度神经网络鲁棒性评估方法的基本概念和评估方式，并讲述了两种评估方法，分别从定性分析和定量计算两个角度讲述了如何对鲁棒性进行评估，提升对深度神经网络鲁棒性和评估方法的认…
