logo móvil
Contáctanos

Pocas clasificaciones con extracción de características profundas de doble modelo y medición de similitud

Autores: Guo, Jing-Ming; Seshathiri, Sankarasrinivasan; Chen, Wen-Hsiang

Idioma: Inglés

Editor: MDPI

Año: 2022

Descargar PDF

Acceso abierto

Artículo científico
2022

Pocas clasificaciones con extracción de características profundas de doble modelo y medición de similitud


Categoría

Ingeniería y Tecnología

Subcategoría

Ingeniería Eléctrica y Electrónica

Palabras clave

Aprendizaje de máquinas tradicional
Clasificadores de aprendizaje profundo
Datos etiquetados
Muestras de entrenamiento
Etiquetas ruidosas
Clasificación de pocas muestras

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 27

Citaciones: Sin citaciones


Descripción
Desde el aprendizaje automático tradicional hasta los clasificadores más recientes de aprendizaje profundo, la mayoría de los modelos requieren una gran cantidad de datos etiquetados para realizar un entrenamiento óptimo y obtener el mejor rendimiento.

Otros recursos que podrían interesarte

Temas Virtualpro