3 学习（learning） 将很多数据丢给计算机分析，以此来训练该计算机，培养计算机给数据分类的能力。换句话说，学习指的就是找到特征与标签的映射（mapping）关系。这样当有特征而无标签的未知数据输入时，我们就可以通过已有的关系...

监督学习：通过已有的一部分输入数据与输出数据之间的对应关系，生成一个函数，将输入映射到合适的输出，例如分类。 非监督学习：直接对输入数据集进行建模，例如聚类。...

比方说，我们现在有一个公开数据集，它全部都是有标注的。此时我们可以使用有监督的学习来看一下结果，再使用10%的有标注的数据集结合剩下90%的未标注的数据来使用半监督学习的方法，我们希望半监督学习的方法也能达到有监督...

深度检测模型在受控环境下非常强大，但在不可见的领域应用时却显得脆弱和失败。 所有改进该问题的自适应方法都是在训练时获取大量的目标样本，这种策略不适用于目标未知和数据无法提前获得的情况。 例如，考虑监控来自社交...

我们提出了无监督视觉表征学习的动量对比(MoCo)。从作为字典查找的对比学习[29]的角度来看，我们构建了具有队列和移动平均编码器的动态字典。这使得能够动态构建一个大型且一致的词典，从而促进对比无监督学习。MoCo在Im...

对比无监督学习最近显示出令人鼓舞的进展，例如在动量对比(MoCo)和SimCLR中。在这篇笔记中，我们通过在MoCo框架中实现SimCLR的两个设计改进来验证它们的有效性。通过对MoCo的简单修改，即使用MLP投影头和更多的数据增强，我...

由于自然界中对称模式的显著变化和模糊性，反射对称检测的任务仍然具有挑战性。此外，由于需要在反射中匹配局部区域来检测对称模式，标准的卷积网络很难学习这项任务，因为它与旋转和反射不相同。为了解决这个问题，我们引入了...

为了促进多智能体感知中更好的性能带宽权衡，我们提出了一种新的蒸馏协作图(DiscoGraph)，用于建模智能体之间的可训练、姿态感知和自适应协作。 我们的创新主要体现在两个方面。 首先，我们提出了一个通过知识蒸馏训练Disc...

机器学习是数据分析和数据挖掘的一种比较常用，比较好的手段从有无监督的角度，可以分为三类：

数据集中的每个样本有相应的“正确答案”， 根据这些样本做出 预测， 分有两类： 回归问题和分类问题。