零样本学习评估
Xian Y, Lampert C H, Schiele B, et al. Zero-shot learning-a comprehensive evaluation of the good, the bad and the ugly[J]. IEEE transactions on pattern analysis and machine intelligence, 2018. 这篇论文对当前最好的零样本学习方法做了统一全面的评估。 ...
Xian Y, Lampert C H, Schiele B, et al. Zero-shot learning-a comprehensive evaluation of the good, the bad and the ugly[J]. IEEE transactions on pattern analysis and machine intelligence, 2018. 这篇论文对当前最好的零样本学习方法做了统一全面的评估。 ...
概念 零样本学习(Zero-shot learning,ZSL)利用训练集数据训练模型,使得模型能够对测试集的对象进行分类,但是训练集类别和测试集类别之间没有交集。这就需要借助类别的描述,构建语义空间,来建立训练集和测试集之间的联系,从而使得模型有效。ZSL就是让计算机具备人类的推理能力,来识别出一个从未见过的新事物。 ...
由于TensorFlow中tensor数据类型的特殊性,对它的处理往往是一件比较头疼的事情。有些情况需要将其转换为numpy array进行计算,这时有一个很有效的函数py_func,这里举一个使用例子,函数本身的用法可见参考资料。 ...
ICT **问题:**不同的一致性正则化技术选择不同的未标记数据扰动。随机扰动是一个简单的方案,但其对于高维度数据十分低效。VAT等模型探索能够使模型预测变化最大化的扰动,但这类方法需要额外的计算,而且有研究表明对抗性扰动训练可能会影响泛化表现。 ...
基础(Q-Learning) Q即为Q(s,a),就是在某一时刻的 s 状态下,采取动作a动作能够获得奖励的期望。环境会根据智能体的动作反馈相应的奖励 r。算法的主要思想就是将状态(state)与动作(action)构建成一张Q-table来存储Q值,然后根据Q值来选取能够获得最大的收益的动作。Q-Learning的算法如下: ...