- 最近
- 已收藏
- 排序
- 筛选
- 170
- 6
- 53
- 33
- 26
- 21
- 15
- 中文期刊
- 刊名
- 作者
- 作者单位
- 收录源
- 栏目名称
- 语种
- 主题词
- 外文期刊
- 文献类型
- 刊名
- 作者
- 主题词
- 收录源
- 语种
- 学位论文
- 授予学位
- 授予单位
- 会议论文
- 主办单位
- 专 利
- 专利分类
- 专利类型
- 国家/组织
- 法律状态
- 申请/专利权人
- 发明/设计人
- 成 果
- 鉴定年份
- 学科分类
- 地域
- 完成单位
- 标 准
- 强制性标准
- 中标分类
- 标准类型
- 标准状态
- 来源数据库
- 法 规
- 法规分类
- 内容分类
- 效力级别
- 时效性
【中文期刊】 吕帅君 邢燕 等 《合肥工业大学学报(自然科学版)》 2023年46卷8期 1142-1145,1152页
【摘要】 深度学习在网格分类中的应用越来越受到人们的关注,在网格分类任务中,通常使用交叉熵损失作为损失函数.文章提出一种利用数据的结构相似性和几何一致性的正则化损失,将其加入损失函数中进行优化,可有效提高网格的分类准确率.从实验结果的量化指标来看,提...
【中文期刊】 操润楠 方梦捷 等 《中国医学科学杂志(英文版)》 2022年37卷3期 171-180,前插1页 MEDLINEISTICCSCDCABP
【摘要】 目的 探索半监督学习算法在内镜图像长尾分类中的应用.方法 我们在HyperKvasir数据集上探索了半监督的内镜图像长尾分类,该数据集是最大的胃肠道公共数据集,有23个不同的类别.使用基于一致性正则化和伪标签的半监督学习算法FixMatch...
【中文期刊】 尚耐丽 王骁力 等 《计算机应用与软件》 2015年32卷11期 162-166,179页
【摘要】 半监督学习是人工智能研究领域中的重要课题,结合有监督学习和无监督学习的优点来提高学习器的性能.针对有监督分类和无监督分类不能充分利用已标记样本和未标记样本的问题,介绍了半监督分类方法及其基本思想、研究现状、应用领域与常用算法,分析了当前半监...
【中文期刊】 梅松青 《计算机系统应用》 2014年23卷2期 173-177页
【摘要】 基于图的半监督学习方法中,图结构经常要预先设定,这就导致了在标签传递过程中,算法不能自适应地学习一个最优的图.为此,提出了一种基于自适应图的半监督学习方法.该方法通过迭代的优化方法同时学习到最优的图和标签.而且,在少量标记样本的情况下该方法...
【中文期刊】 文贵华 蔡先发 等 《华南理工大学学报(自然科学版)》 2013年41卷7期 137-144页
【摘要】 精确的癌症分类对于癌症的成功诊断和治疗是必不可少的.半监督维数约减算法在干净的数据集上表现得很好,然而当面临噪声时,当前的大部分算法所构造的邻域结构是拓扑不稳定的.为了克服这一问题,文中提出了一种基于随机子空间的半监督维数约减算法(RSSS...
【中文期刊】 Peng Chen Zhenlei Li 等 《生物物理学报(英文)》 2023年9卷2期 57-66页
【关键词】 Tumor type classification; Cancer-specific biomarkers; MSSL;
【外文期刊】 Ji, Zhong ; Wang, Qiang ; 等 《Neural Networks: The Official Journal of the International Neural Network Society》 2021年143卷 88-96页 SCISCIEMEDLINE
【关键词】 Zero-shot learning; Image classification; Autoencoder;
【外文期刊】 Mahmood M.J. ; Raj P. ; 等 2024年89卷Mar.期 1.1-1.13页
【关键词】 Deep learning; Machine learning; Medical image classification;
【外文期刊】 Perez-Ortiz, M. ; Gutierrez, P. A. ; 等 《Neural Networks: The Official Journal of the International Neural Network Society》 2016年84卷 57-66页 SCISCIEMEDLINE
【关键词】 Ordinal regression; Discriminant analysis; Semi-supervised learning;
【外文期刊】 Homan, Dewald ; du Preez, Johan A. ; 《Ecological informatics: an international journal on ecoinformatics and computational ecology》 2021年66卷
【关键词】 Species classification; Deep learning Semi-supervised learning; Computer vision;