有监督学习

摘要： 行人重识别主要研究在不同摄像机拍摄的图形中检索目标行人的任务,是计算机视觉领域一个极具挑战性的研究课题。传统依赖手工特征的行人重识别方法性能低且鲁棒性差,不能适应数据爆炸增长的信息时代。近年来,随着大规模行人数据集的出现和深度学习的迅速发展,行人重识别研究取得了许多突出成果。梳理了性能接近饱和的有监督学习研究方法,并探讨近几年研究热度较高的弱监督学习、跨模态数据和端到端的行人重识别现状;对不同类型行人重识别方法比较分析,列举了常用数据集,并将部分经典算法在Market-1501、DukeMTMC-ReID等数据集上进行性能比较;对行人重识别的未来研究方向进行了展望。

摘要： 由于便携拍摄设备的普及,以及社交媒体平台的推广,互联网上的视频数量呈爆炸式增长。视频精彩集锦生成技术可以分析给定的视频内容,自动剪辑出视频中的精彩片段,减轻人工处理视频的资源压力和成本。本文整理了视频精彩集锦生成技术的相关研究工作,介绍了有监督学习方法和无监督学习方法,分析了这些技术的优缺点,最后介绍了其在现实生活中的应用价值。

摘要： 图像超分辨率重建是用于提高图像质量的一项重要技术,得益于深度学习在计算机视觉领域的成功应用和快速发展,单图像超分辨率重建的效果得到了显著提升.因此,本文针对基于深度学习的单图像超分辨率重建方法展开深入研究,首先综合介绍了用于该领域的基准数据集、性能评价指标、损失函数等相关知识,然后对有监督学习和无监督学习下单图像超分辨率重建技术的最新算法进行分类讨论,并且比较分析了不同模型之间的异同点与优缺点,最后对该领域面临的问题和未来的发展方向进行了总结与展望.

摘要： 主要介绍了机器学习(数据挖掘)中两大类常见的算法,分类算法和聚类算法的特点,以及这两大类算法中几种比较经典的算法的具体实现原理,以此来比较两种算法的异同和各自在油气领域中适合的应用场景。

摘要： 随着互联网技术的不断发展,AR,VR和自动驾驶等技术日渐成熟,丰富的应用为网络带来了爆炸式的流量增长,同时大量异构终端设备被接入到网络中,网络复杂度也在急剧上升。简单的路由策略已经无法适应复杂的网络环境和差异化的业务需求,学术界对于动态复杂网络的路由问题研究一直保持着高度关注。综合路由策略研究中各类算法的最新进展,从传统动态路由算法与智能路由算法等角度阐述了近年来各领域中路由算法的研究工作,对不同路由方法的应用场景及优劣进行了分析。结合人工智能领域的相关研究与发展方向,讨论了智能路由算法在未来研究中的机遇与挑战,并给出了智能路由算法未来的研究方向。

摘要： 行人重识别是指从不同的摄像机采集的大量行人图像中检索特定的人员,是计算机视觉领域继人脸识别之后的一个重要的研究子课题。近年来,将深度学习应用在行人重识别方面已经取得了很大的成就。为了让读者更加了解国内外行人重识别研究进展,文章介绍了近几年国内外的相关文献并进行分析总结。首先,对行人重识别进行介绍;然后,对基于深度学习的行人重识别的基本方法归纳为有监督学习、弱监督学习和跨模态学习等3个方向,并讨论它们的现状,列举了常用的性能指标,以及常用的数据集和目前在这些数据集上最优的性能,并对行人重识别现存的问题进行阐述;最后,对未来研究热门方向进行了展望。

摘要： 9月26日,以"共创产业智能新高度"为主题的多模态人工智能产业联合体第二次会议在武汉召开,会上发布了由中国科学院自动化研究所、武汉人工智能研究院、华为技术有限公司牵头的《多模态基础大模型技术白皮书》。“当前,人工智能正从单模态、有监督学习,迈向多模态、自监督学习的时代。"中国科学院自动化研究所研究员、武汉人工智能研究院院长王金桥表示,"多模态人工智能的未来必将风光无限。”

摘要： 哈希表示能够节省存储空间,加快检索速度,所以基于哈希表示的跨模态检索已经引起广泛关注。多数有监督的跨模态哈希方法以一种回归或图约束的方式使哈希编码具有语义鉴别性,然而这种方式忽略了哈希函数的语义鉴别性,从而导致新样本不能获得语义保持的哈希编码,限制了检索准确率的提升。为了同时学习具有语义保持的哈希编码和哈希函数,提出一种语义保持哈希方法用于跨模态检索。通过引入两个不同模态的哈希函数,将不同模态空间的样本映射到共同的汉明空间。为使哈希编码和哈希函数均具有较好的语义鉴别性,引入了语义结构图,并结合局部结构保持的思想,将哈希编码和哈希函数的学习融合到同一个框架,使两者同时优化。三个多模态数据集上的大量实验证明了该方法在跨模态检索任务的有效性和优越性。

摘要： 针对现实场景中遮挡人脸检测精度低的问题,提出了一种基于汇聚CNN和注意力增强网络的遮挡人脸检测方法.首先,在主网络的多层原始特征图上,通过有监督学习的方法增强原始特征图中人脸可见部分的响应值.然后,将多个增强特征图组合成附加增强网络与主网络汇聚设置,以加快对多尺度遮挡人脸的检测速度.最后,将有监督信息分散到各个尺寸的特征图上进行监督学习,为不同尺寸的特征图设置了基于锚框尺寸的损失函数.在WIDER FACE和MAFA数据集上的实验结果表明,该方法的检测精度高于当前主流人脸检测方法.

摘要： 单帧图像超分辨率重建(single image super-resolution reconstruction,SISR)是一类典型的不适定问题,具有广泛的实际应用价值.近年来,基于深度学习的SISR方法的研究已经取得长足的进展,其性能大大超越了传统的方法.本文将SISR研究归纳为两大挑战性问题:SISR的建模和面向真实场景的领域自适应问题.基于此,将当前基于深度学习的SISR方法划分为有监督的SISR和不成对的SISR.进一步简单介绍SISR的应用情况.最后,总结并探讨未来SISR研究的发展方向.

摘要： 提出了一种新的有监督学习方法,该方法用于将流形学习方法扩展到无监督学习中.其核心思想是:利用BP神经网络提取流形学习过程中的隐式映射,并在低维空间上构造分类器.在实际数据集上的测试结果验证了该方法的有效性与可行性.

摘要： 本发明公开了一种基于有监督学习和无监督学习的反欺诈方法，具体步骤如下：数据预处理，数据转换，创建高斯混合模型，期望最大化算法，有监督学习，无监督学习，预测，该基于有监督学习和无监督学习的反欺诈方法使用有监督学习和无监督学习结合的方法来建立反欺诈模型，有监督学习模型和无监督学习模型被包含在一个大的模型中，这个大的模型将达到集成模型的效果，预测的结果将会优于单独考虑有监督学习或无监督学习时的效果，而且有监督学习和无监督学习是互补的，两种学习方式结合将可以检测出已知的欺诈模式和未知的欺诈模式。

摘要： 本发明公开了一种基于无监督和有监督学习的水泥游离钙软测量方法，通过分析水泥工艺选取变量作为熟料fCaO软测量的输入变量，每个变量的时间序列作为模型输入；利用选取的输入变量，构建无监督和有监督学习相结合的预测模型；将稀疏自编码的解码层去除，编码层堆叠形成深层网络结构，利用确定的初始参数去初始化深层网络参数，采用BP反向误差修正算法进行有监督学习；利用训练好的无监督和有监督学习相结合的预测模型进行水泥熟料fCaO实时预测。本发明模型前向采用逐层贪婪无监督学习方式，提取数据的高层特征；结合有监督的反向微调进一步优化参数，利用训练好的深层网络实现熟料fCaO实时预测。

摘要： 本发明属于语音分离技术领域，具体涉及了一种基于有监督学习听觉注意的语音提取方法、系统、装置，旨在为了解决混叠语音提取收敛过程慢，进一步提高提取的准确性。本发明方法包括：将原始混叠语音信号转换为二维时间‑频率信号表示；稀疏化并将其中的时频单元的强度信息映射到离散强度等级，基于强度等级信息二次稀疏化；采用时间编码的方式转换为脉冲信号；采用训练好的目标脉冲提取网络提取目标脉冲；将目标脉冲转换成目标语音的时间‑频率表示并转换得到目标语音。本发明通过不同的时间编码方式将刺激转换成脉冲序列，有效提高了脉冲神经网络分离语音的准确性；通过改进的远程有监督方法对脉冲神经网络进行训练，大大提高了脉冲神经网络的收敛速度。

摘要： 本发明公开了一种基于有监督学习检测蛋白质复合物的方法及装置，涉及蛋白质复合物检测技术领域。包括：构建具有权重的蛋白质相互作用网络；在具有权重的蛋白质相互作用网络中检测蛋白质复合物的核；根据有监督学习的蛋白质复合物模型训练方法，训练得到蛋白质复合物检测模型；基于局部搜索策略和构建好的蛋白质复合物检测模型，延伸蛋白质复合物的核形成蛋白质复合物；根据蛋白质复合物检测模型给蛋白质复合物进行打分并过滤掉低分且高度重叠的蛋白质复合物，得到挖掘出的蛋白质复合物。本发明能够进一步提高蛋白质复合物检测方法的精度；提取有效的拓扑特征描述蛋白质复合物；训练得到具有较强鲁棒性的基于有监督学习的蛋白质复合物模型。

摘要： 本发明提供一种基于有监督学习模型的翼型转捩区域判断方法，包括以下步骤：将脉动压力信号序列转化为马尔科夫状态；获得马尔科夫状态序列的特征向量；使用隐马尔科夫模型对特征向量进行预分类；建立训练完成的隐藏属性的概率密度分布函数，实现翼型表面不同采样点转捩状态预测。本发明发展的模型有效可靠；使用同一个雷诺数的实验数据进行模型训练，可以对不同雷诺数的实验数据进行可靠的预测；与传统的RMS判据相比，本发明发展的分类模型无需对多个位置的信号进行比较即可预测出一个合理的“转捩区”。本发明建立的有监督学习模型为转捩分析提供了新的思路。

摘要： 本发明公开了一种基于有监督学习和无监督学习的反欺诈方法，具体步骤如下：数据预处理，数据转换，创建高斯混合模型，期望最大化算法，有监督学习，无监督学习，预测，该基于有监督学习和无监督学习的反欺诈方法使用有监督学习和无监督学习结合的方法来建立反欺诈模型，有监督学习模型和无监督学习模型被包含在一个大的模型中，这个大的模型将达到集成模型的效果，预测的结果将会优于单独考虑有监督学习或无监督学习时的效果，而且有监督学习和无监督学习是互补的，两种学习方式结合将可以检测出已知的欺诈模式和未知的欺诈模式。

摘要： 本发明公开了一种基于无监督和有监督学习的水泥游离钙软测量方法，通过分析水泥工艺选取变量作为熟料fCaO软测量的输入变量，每个变量的时间序列作为模型输入；利用选取的输入变量，构建无监督和有监督学习相结合的预测模型；将稀疏自编码的解码层去除，编码层堆叠形成深层网络结构，利用确定的初始参数去初始化深层网络参数，采用BP反向误差修正算法进行有监督学习；利用训练好的无监督和有监督学习相结合的预测模型进行水泥熟料fCaO实时预测。本发明模型前向采用逐层贪婪无监督学习方式，提取数据的高层特征；结合有监督的反向微调进一步优化参数，利用训练好的深层网络实现熟料fCaO实时预测。

摘要： 本发明公开了一种基于有监督学习技术的数字货币交易溯源方法和装置，所述方法包括：截获目标节点发送或接收的数字货币交易流量；针对截获的流量所涉及的每笔数字货币交易，统计所述目标节点发送的交易广播消息、接收的交易请求消息的数量，并根据统计的消息的数量构建该笔数字货币交易的特征向量；基于所述笔数字货币交易的特征向量，以及预先训练得到的分类器，溯源该笔数字货币交易是否为所述目标节点创建；其中，所述分类器是根据截获的受控节点发送或接收的数字货币交易流量所构建的训练样本预先训练得到的；其中，受控节点发送或接收的数字货币交易流量中包括由受控节点创建的若干主动交易的流量。应用本发明能提高数字货币交易溯源精度。

摘要： 本发明涉及目标检测技术领域，具体涉及一种基于深度级联有监督学习的老鼠目标检测方法。包括：设计老鼠目标检测的网络模型；选取网络模型的训练集和测试集；计算出标注边缘检测图；根据主干部分神经网络初步提取精加工的深度特征信息，通过粗选多分支模块对特征信息进行细化增强，并粗生成候选建议区域，最后进行分类识别和定位回归；预设相关超参数，测试最优网络模型。本发明提出的老鼠目标检测方法，解决低分辨率下老鼠目标边缘模糊导致的难区分问题，增强抗干扰力，从而提高模型的检测性能，在多种环境下进行检测，一旦出现老鼠踪迹，就向相关部门预警，及时采取应急措施，减少老鼠带来的卫生隐患和财产损失，即减少鼠患的产生。

摘要： 提供了用于计算系统、方法和计算机程序产品的技术，以通过调整用于有监督学习的未配对数据集来产生有效的图像到图像转换。可以使用无监督学习来定义和调节第一模型(强大的模型)，以从未配对数据集产生合成的配对数据集，将图像从第一域转换到第二域，并将图像从第二域转换到第一域。生成的合成数据可以作为有监督学习的地面真值。第一模型可以被调节为过度拟合未配对数据集，以增强配对数据集(例如生成的合成数据)的质量。使用合成配对数据集和有监督学习来训练诸如目标设备的运行时模型。运行时模型小且快，以满足目标设备(例如，个人用户设备，诸如智能电话、平板电脑等)的处理资源。