مقاله یک رویکرد یکپارچه برای یادگیری تحت نظارت ضعیف

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی A Unified Approach to Count-Based Weakly-Supervised Learning
عنوان مقاله به فارسی مقاله یک رویکرد یکپارچه برای یادگیری تحت نظارت ضعیف
نویسندگان Vinay Shukla, Zhe Zeng, Kareem Ahmed, Guy Van den Broeck
زبان مقاله انگلیسی
فرمت مقاله: PDF
تعداد صفحات 0
دسته بندی موضوعات Machine Learning,Artificial Intelligence,یادگیری ماشین , هوش مصنوعی ,
توضیحات Submitted 22 November, 2023; originally announced November 2023.
توضیحات به فارسی ارسال شده 22 نوامبر 2023 ؛در ابتدا نوامبر 2023 اعلام شد.

چکیده

High-quality labels are often very scarce, whereas unlabeled data with inferred weak labels occurs more naturally. In many cases, these weak labels dictate the frequency of each respective class over a set of instances. In this paper, we develop a unified approach to learning from such weakly-labeled data, which we call count-based weakly-supervised learning. At the heart of our approach is the ability to compute the probability of exactly k out of n outputs being set to true. This computation is differentiable, exact, and efficient. Building upon the previous computation, we derive a count loss penalizing the model for deviations in its distribution from an arithmetic constraint defined over label counts. We evaluate our approach on three common weakly-supervised learning paradigms and observe that our proposed approach achieves state-of-the-art or highly competitive results across all three of the paradigms.

چکیده به فارسی (ترجمه ماشینی)

برچسب های با کیفیت بالا اغلب بسیار کمیاب هستند ، در حالی که داده های بدون برچسب با برچسب های ضعیف استنباط به طور طبیعی اتفاق می افتد.در بسیاری از موارد ، این برچسب های ضعیف فرکانس هر کلاس مربوطه را نسبت به مجموعه ای از نمونه ها دیکته می کنند.در این مقاله ، ما یک رویکرد یکپارچه برای یادگیری از چنین داده های ضعیف برچسب ، که ما آن را یادگیری ضعیف تحت نظارت است ، توسعه می دهیم.در قلب رویکرد ما توانایی محاسبه احتمال دقیق K از خروجی های N که روی آن تنظیم شده اند ، محاسبه می شود.این محاسبه متفاوت ، دقیق و کارآمد است.با تکیه بر محاسبات قبلی ، ما از دست دادن شمارش در حال مجازات مدل برای انحراف در توزیع آن از یک محدودیت حسابی تعریف شده در تعداد برچسب ها استفاده می کنیم.ما رویکرد خود را در مورد سه پارادایم های یادگیری ضعیف با نظارت ضعیف ارزیابی می کنیم و مشاهده می کنیم که رویکرد پیشنهادی ما در هر سه پارادایم به نتایج پیشرفته یا بسیار رقابتی می رسد.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.