图像分类是计算机视觉中的基本任务之一，深度学习的出现是的图像分类技术趋于完善。最近，自监督学习与预训练技术的发展使得图像分类技术出现新的变化，这篇论文概述了最新在实际情况中少标签小样本等情况下，关于自监督学习、半监督、无监督方法的综述，值得看！
2021-07-03 20:11:50
5.67MB
1
盛大
这是论文的代码：用于图的半监督学习的图随机神经网络[ ]
如果您认为我们的工作对您有帮助，请引用我们的论文：
@inproceedings{feng2020grand,
title={Graph Random Neural Network for Semi-Supervised Learning on Graphs},
author={Wenzheng Feng, Jie Zhang, Yuxiao Dong, Yu Han, Huanbo Luan, Qian Xu, Qiang Yang, Evgeny Kharlamov, Jie Tang},
booktitle={NeurIPS'20},
year={2020}
}
要求
的Python 3.7.3
请通过pip install -r requirements.txt安装其他程序包
使用范例
在Cor
2021-06-25 16:04:22
5.07MB
1
一种基于学习向量量化(LVQ)和kmeans的半监督聚类算法，该方法能在少量标注数据上实现对未知数据的标注和分类。代码包含测试数据集Iris，代码直接运行main函数即可。
2021-06-18 19:09:21
3KB
1
半监督文本分类的对抗训练方法
规范
此代码重现用 。
设置环境
请安装和 。
您可以使用此轻松设置环境。
下载预训练模型
请下载预先训练的模型。
$ wget http://sato-motoki.com/research/vat/imdb_pretrained_lm.model
结果
模型
错误率
基线
7.39
基准（我们的代码）
6.62
对抗性
6.21
对抗训练（我们的代码）
6.35
虚拟对抗训练
6.40
虚拟对抗训练
5.91
虚拟对抗训练（我们的代码）
5.82
跑
预训练
$ python -u pretrain.py -g 0 --layer
2021-05-31 15:45:09
25KB
1
CoForest is a semi-supervised algorithm, which exploits the power of ensemble learning and large amount of unlabeled data available to produce hypothesis with better performance.
2021-05-22 20:31:05
6KB
1