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
-
Using Sentiment Representation Learning to Enhance Gender Classification for User Profiling
用户画像意味着利用机器学习技术来预测用户的属性，例如人口统计学属性，兴趣属性，偏好属性等。它是精确营销的强大…
-
开放式信息抽取技术
本报告介绍了开放式信息抽取（OIE）的基本概念，展示了Neural OIE的两大类方法原理，并分别讲述了基于Transformer的Nerual OIE技术和利用Meta-Lear…
-
cookie及cookie安全
Cookie 是网站为辨别用户身份而储存在用户终端上的数据（通常经过加密），是绕开http无状态性的额外手段…
-
深度学习模型校准技术
深度学习模型校准技术是模型预测可靠性的重要保障手段之一，其通过正则化或后处理方法调节模型对样本实例上的置信度，使其与预测的真实概率良好匹配。本次报告介绍了深度学习模型校准的基本概念…
-
基于度量学习的小样本学习方法介绍
Few-shot learning (FSL)的含义是得到从少量样本中学习和概括的能力，它希望机器学习模型在学习了一定类别的大量数据后，对于新的类别，只需要少量的样本就能快速学习。…
-
代码变更表示学习技术
代码变更表示学习技术通常将代码变更进行结构化或序列化的中间表示，并将中间表示输入到表示学习模型以获取代码变更中更细粒度的特征，是众多软件工程任务的重要环节之一。本次报告介绍了2类任…
-
特征选择方法
特征选择是指为了构建模型而选择相关特征子集的过程，目的是去除特征中的无关特征和冗余特征，进而达到简化模型，增…
-
不规则多元时间序列预测研究
时序数据预测任务是时间序列处理领域中一项基本的任务，根据历史时间段数据序列预测未来一段时间的数据序列，广泛应用于天气预报、经济预测、医疗保健预测等领域。在复杂的现实世界中，时序数据…
-
二进制函数相似性分析
本次报告介绍了二进制函数相似性分析的发展历史和主要变革，讲解了二进制相似性分析的主要方法，重点介绍了结构特征、语义特征的概念及应用原理。
-
反序列化漏洞简介
反序列化漏洞是指在服务端过滤不严格的情况下，攻击者通过构造恶意序列化结果，使服务端在反序列化过程中执行恶意代…
