文件名称:
通过依赖最大化的流形最优实验设计，用于主动学习
开发工具:
文件大小: 1mb
下载次数: 0
上传时间: 2021-03-16
详细说明：自然发生的数据量正在以巨大的数量增长，这给赋予它们高质量的标签以学习良好的模型带来了巨大的挑战。 因此，至关重要的是仅选择信息最丰富的数据点进行标记，然后将其植入主动学习的框架中。 我们从最佳实验设计（OED）的回归模型中研究了此问题。 为此，已经开发了几种基于OED的方法，但数据点与它们的预测之间的关系仍未得到充分探索。 受此启发，我们采用了希尔伯特-施密特独立性准则（HSIC），以全局视角最大化样本及其估计之间的依赖性。 因此，我们提出了一种新的主动学习方法，即通过依赖最大化（MODM）进行的流形最优实验设计。 具体地，预期将与它们的预测具有最大依赖性的那些点包括在内以进行标记。 此外，它利用图拉普拉斯算子来保留数据的局部几何结构。 这样，可以更好地选择最有用的数据点。 此外，我们采用顺序策略来优化目标函数。 该算法的有效性已经在基于内容的图像检索中得到了实验验证。
(系统自动生成,下载前可以参看下载内容)
下载文件列表
相关说明
- 本站资源为会员上传分享交流与学习,如有侵犯您的权益,请联系我们删除.
- 本站是交换下载平台，提供交流渠道，下载内容来自于网络，除下载问题外，其它问题请自行百度。
- 本站已设置防盗链，请勿用迅雷、QQ旋风等多线程下载软件下载资源，下载后用WinRAR最新版进行解压.
- 如果您发现内容无法下载，请稍后再次尝试；或者到消费记录里找到下载记录反馈给我们.
- 下载后发现下载的内容跟说明不相乎，请到消费记录里找到下载记录反馈给我们，经确认后退回积分.
- 如下载前有疑问，可以通过点击"提供者"的名字，查看对方的联系方式，联系对方咨询.
