檢索結果：共33筆資料 檢索策略： "Supervised Learning".ekeyword (精準)
個人化服務 ：
排序：
每頁筆數：
已勾選0筆資料
1
半監督式問題的出現源自於現實世界的資料集中，已分類的資料通常不容易取得，這種特性常見於文件型態的資料集。生成模性與貝式分類器的架構已經被證明出對文件類型的資料有很好的分類效果，還能夠藉由期望值最大化…
2
5G is a standard that proposed to overcome the limitations of the 4G network. Massive broadband and…
3
在以往的深度學習研究中，大部分的模型訓練需要仰賴大量且乾淨的資料集才能得到較好的效能；然而，一旦資料集中存有部分錯誤的標註資料，將可能嚴重影響到模型的準確率。以影像分類任務為例，一般的深度學習方法是…
4
自監督學習正在迅速地縮減監督式學習在資料短缺及充足的情況下的差距。這項成就歸功於對比學習方法近期的研究成果。然而，學者們仍探究著對比學習的弱點。首先，在實務上以實例判別任務為基礎的對比學習能夠輕易地…
5
在現實世界的應用中經常遇到具有分佈不均且標籤不全的半監督式分類問題。正面資訊不充分、完全不存在負面資訊及缺失標籤的分佈不均導致多標籤分類結果的準確性降低。在本文中，我們提出半監督式之不完備訓練標籤恢…
6
隨著網路及行動裝置的普級，民眾可以隨時輕鬆地在網路上散佈與獲取資訊。不過網路上的資訊內容往往過於雜亂，導致我們花費太多時間在吸收瑣碎的訊息，反而太晚得知甚至錯過了重要的訊息。因此，我們希望訊息爆發前…
7
None
8
影片分類是計算機視覺中的重要課題之一，例如駕駛員行為、人類動作和跌倒檢測。然而由於攝像機角度、光照、天氣等多種因素，影片分類仍然是一項艱鉅的任務。此外由於需要大量計算，邊緣設備的實施是另一個挑戰。在…
9
利用人工智能（AI）於監視器系統中執行異常事件偵測已經成為一種熱門並且廣泛研究的課題。但是，時至今日，基於弱監督式學習的異常偵測模型相關研究仍然在尋求更多的方式去強化對於空間與時間關係的理解，並且存…
10
在過去，傳統監督學習高度依賴標記數據，這限制了其應用在各種不同種類的數據集。隨著自監督學習在計算機視覺領域取得了驚人的進展，它顯示了在不依賴標籤的情況下達到與監督學習相媲美的成果的潛力。近年來，這種…