檢索結果:共8筆資料 檢索策略: ckeyword.raw="非監督式學習"
個人化服務 :
排序:
每頁筆數:
已勾選0筆資料
1
為了能讓雙目影像深度估測網路對不同數據集有更好的適應性,本論文提出了一種含有域適應Domain adaptation的深度估測網路,此方法不僅能適應不同數據集間環境的差異,更能接受不同數據集間雙目相…
2
筆跡辨識是生物特徵辨識技術中的一種,在鑑識科學方面經常使用這項技術。但與生理特徵相比,行為特徵容易受到內在或外在因素所影響,若未能在自然情況下取得書寫者的筆跡,則鑑識的可信度必定會有所降低,並且隨著…
3
隨著頻繁的文化交流,外來的音譯名詞不斷的湧入各種語言之中,因此在自然語言處理 (natural language processing) 研究中,特別是在專有名詞辨識 (named entity r…
4
隨著Transformer架構的提出,如BERT、GPT-2…等等,這些預訓練於大量文本上的模型透過微調下游任務的方式在自然語言處理領域中蓬勃發展。在中文斷詞領域中,也將資料集的評估分數推升至F1分…
5
近年來最具代表性的物件檢測方法是faster RCNN和YOLO,這些基於傳統監督學習的方法通常依賴於完全標註的資料集,並且假設訓練和測試資料取自同一個分佈。當測試資料來自不同分佈時,使用監督學習的…
6
近年來因物聯網的蓬勃發展,時間序列類型的資料大幅增加,如何有效地在巨量的時序資料上偵測出異常就變的極為重要,在實務上(1)非監督式學習、(2)概念漂移的調整、(3)不需儲存大量資料,這三點對於處理巨…
7
語音情緒辨識是一項艱難的工作因為大多數最先進的語音情緒辨識方法都只在單一語料庫表現良好而不能跨多語料庫,因此,跨語料庫情緒語音辨識開始被視為是一個問題且受到關注,然而大多數擴語料庫方法聚焦在減少語料…
8
將訓練於來源域 (Source domain)的深度學習模型直接應用於目標域 (Target domain)會因為Domain shift problem導致其準確度顯著下降。無監督領域自適應(Un…