A Novel Maximum Mean Discrepancy-Based Semi-Supervised Learning Algorithm

To provide more external knowledge for training self-supervised learning (SSL) algorithms, this paper proposes a maximum mean discrepancy-based SSL (MMD-SSL) algorithm, which trains a well-performing classifier by iteratively refining the classifier using highly confident unlabeled samples. The MMD-...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	Mathematics (Basel) Ročník 10; číslo 1; s. 39
Hlavní autoři:	Huang, Qihang, He, Yulin, Huang, Zhexue
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Basel MDPI AG 01.01.2022
Témata:	Active learning Algorithms Classification Classifiers Cluster analysis Clustering co-training Confidence Datasets distribution consistency Machine learning maximum mean discrepancy Methods Multilayer perceptrons Paradigms self-training Semi-supervised learning Statistical analysis Statistical methods Subject specialists Training Vector quantization
ISSN:	2227-7390, 2227-7390
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!