Breast-Cancer-Prediction:在人工智能学术课程中使用监督学习决策树算法进行乳腺癌预防
2021-08-28 00:57:54
257KB
1
本文主要介绍三种典型的弱监督：不完全、不确切和不准确监督。尽管三者可以分开讨论，但是实践中它们通常同时出现。由于篇幅限制，本文实际上扮演了更多文献索引而非文献综述的角色。
2021-08-25 15:34:23
861KB
1
随着卷积神经网络（Convolutional Neural Network，CNN）的不断发展，目标检测作为计算机视觉中最基本的技术，已取得了令人瞩目的进展。介绍了强监督目标检测算法对数据集标注精度要求高的现状。对基于弱监督学习的目标检测算法进行研究，按照不同的特征处理方法将该算法归为四类，并分析比较了各类算法的优缺点。
2021-08-25 09:14:05
632KB
1
去噪自动编码器
可以训练去噪自动编码器，以无人监督的方式学习特征空间的高级表示。 可以通过将经过预训练的自动编码器的一层一层堆叠在一起来创建深度神经网络。 整个网络的培训分三个阶段进行：
1.预训练：在此阶段中，对每个层进行训练，以从损坏的版本中重建原始数据。 破坏输入的不同有效方法包括： -添加小高斯噪声-将变量随机设置为任意值-随机将输入变量设置为0 2.学习：在此阶段中，将S形层和softmax层放置在堆栈的顶部，并接受有关分类任务的培训。 3.微调：使用标准反向传播算法对整个网络进行微调
＃创建堆叠降噪自动编码器的结构sDA = StackedDA（[300，100]） # Pre-train layers one at a time, with 50% Salt and Pepper noise
sDA.pre_train(X[:1000], rate=0.5, n_iters
2021-08-20 16:02:55
16.55MB
1