Semi-supervised learning with gaussian field and harmonic function

qq_95092115 62 0 pdf 2018-12-09 12:12:58

Semi-supervised learning with gaussian field and harmonic function. 一种利用高斯域和和谐函数的半监督分类方法．

推荐下载

Markov Random Field (MRF) models are a popular tool for vision and image processing. Gaussian MRF mo

高斯过程经典教材。高斯过程是目前机器学习领域最热的一个分支

The Teaching-Learning-Based Optimization(TLBO) algorithm does not require special parameters setting

Cross-Project Transfer Representation Learning for Vulnerable Function Discovery

我们介绍了Bootstrap Your Own Latent(BYOL),这是一种用于自我监督的图像表示学习的新方法。BYOL依赖于两个相互交互并相互学习的神经网络,称为在线和目标网络。.. 从图像的

自我监督的表示学习解决了不需要语义数据的辅助预测任务(称为前文任务),以学习语义表示。这些前置任务仅使用输入功能创建,例如,预测丢失的图像补丁,从上下文中恢复图像的色彩通道,或预测丢失的单词,然后进行

Image segmentation fusion using weakly supervised trace-norm multi-task learning method

Barrier Function based Neural Adaptive Control with Locally Weighted Learning and Finite Neuron Self

对这篇论文的自己的一些理解,还有很多需要更正的,希望大家一起学习

用户评论

请输入评论内容

评分：

暂无评论