關(guān)于我們
書(shū)單推薦
新書(shū)推薦
|
噪聲標(biāo)注條件下機(jī)器學(xué)習(xí)分類(lèi)方法 讀者對(duì)象:本書(shū)可供從事弱監(jiān)督機(jī)器學(xué)習(xí)的研究人員提供參考,供高年級(jí)本科生、研究生和從事人工智能相關(guān)領(lǐng)域的科研工作者學(xué)習(xí)借鑒
本書(shū)針對(duì)近些年弱監(jiān)督機(jī)器學(xué)習(xí)中的噪聲標(biāo)注學(xué)習(xí)問(wèn)題進(jìn)行了綜述,系統(tǒng)地介紹了標(biāo)注噪聲的建模和估計(jì)方法及噪聲標(biāo)注情景下的學(xué)習(xí)算法設(shè)計(jì)方法。21世紀(jì)是數(shù)據(jù)的時(shí)代,一方面數(shù)據(jù)容量在快速增長(zhǎng),另一方面統(tǒng)計(jì)機(jī)器學(xué)習(xí)理論對(duì)數(shù)據(jù)標(biāo)注的精準(zhǔn)性有著嚴(yán)格要求,然而精準(zhǔn)標(biāo)注需要很多領(lǐng)域內(nèi)的專(zhuān)家,消耗大量金錢(qián)和時(shí)間等資源。為了實(shí)現(xiàn)大規(guī)模數(shù)據(jù)的快速標(biāo)注,以眾包(crowd sourcing)和弱監(jiān)督算法為代表的噪聲標(biāo)注即將成為大數(shù)據(jù)時(shí)代標(biāo)注技術(shù)發(fā)展的趨勢(shì)。在這種情景下,噪聲標(biāo)注數(shù)據(jù)對(duì)學(xué)習(xí)算法的魯棒性和自適應(yīng)性帶來(lái)了前所未有的挑戰(zhàn)。
你還可能感興趣
我要評(píng)論
|