![]() ![]() |
噪聲標(biāo)注條件下機(jī)器學(xué)習(xí)分類方法 讀者對象:本書可供從事弱監(jiān)督機(jī)器學(xué)習(xí)的研究人員提供參考,供高年級本科生、研究生和從事人工智能相關(guān)領(lǐng)域的科研工作者學(xué)習(xí)借鑒
本書針對近些年弱監(jiān)督機(jī)器學(xué)習(xí)中的噪聲標(biāo)注學(xué)習(xí)問題進(jìn)行了綜述,系統(tǒng)地介紹了標(biāo)注噪聲的建模和估計方法及噪聲標(biāo)注情景下的學(xué)習(xí)算法設(shè)計方法。21世紀(jì)是數(shù)據(jù)的時代,一方面數(shù)據(jù)容量在快速增長,另一方面統(tǒng)計機(jī)器學(xué)習(xí)理論對數(shù)據(jù)標(biāo)注的精準(zhǔn)性有著嚴(yán)格要求,然而精準(zhǔn)標(biāo)注需要很多領(lǐng)域內(nèi)的專家,消耗大量金錢和時間等資源。為了實現(xiàn)大規(guī)模數(shù)據(jù)的快速標(biāo)注,以眾包(crowd sourcing)和弱監(jiān)督算法為代表的噪聲標(biāo)注即將成為大數(shù)據(jù)時代標(biāo)注技術(shù)發(fā)展的趨勢。在這種情景下,噪聲標(biāo)注數(shù)據(jù)對學(xué)習(xí)算法的魯棒性和自適應(yīng)性帶來了前所未有的挑戰(zhàn)。
你還可能感興趣
我要評論
|