Un marco de aprendizaje de variedades impulsado por la optimización de distancias métricas robustas para la clasificación de patrones semi-supervisada
Autores: Ma, Bao; Ma, Jun; Yu, Guolin
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Un marco de aprendizaje de variedades impulsado por la optimización de distancias métricas robustas para la clasificación de patrones semi-supervisada
Categoría
Matemáticas
Subcategoría
Análisis matemático
Palabras clave
Mejorando el rendimiento de clasificación de modelos de aprendizaje automático
Función de pérdida robusta
Valores atípicos
Aprendizaje semi-supervisado.
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 22
Citaciones: Sin citaciones
En este trabajo, abordamos el problema de mejorar el rendimiento de clasificación de modelos de aprendizaje automático, especialmente en presencia de datos ruidosos y atípicos.
Descripción
En este trabajo, abordamos el problema de mejorar el rendimiento de clasificación de modelos de aprendizaje automático, especialmente en presencia de datos ruidosos y atípicos.