无监督学习是一种根据未标注数据进行推断的机器学习方法。无监督学习旨在识别数据中隐藏的模式和关系，无需任何监督或关于结果的先验知识。
2025-05-16 14:48:44
1265 
在本章中，我们将讨论机器学习技术在图像处理中的应用。首先，定义机器学习，并学习它的两种算法——监督算法和无监督算法；其次，讨论一些流行的无监督机器学习技术的应用，如聚类和图像分割等问题。
2022-10-18 16:08:023098 在本章中，我们将讨论机器学习技术在图像处理中的应用。首先，定义机器学习，并学习它的两种算法——监督算法和无监督算法；其次，讨论一些流行的无监督机器学习技术的应用，如聚类和图像分割等问题。
2022-10-20 10:52:542539 机器学习按照模型类型分为监督学习模型、无监督学习模型两大类。 1. 有监督学习 有监督学习通常是利用带有专家标注的标签的训练数据，学习一个从输入变量X到输入变量Y的函数映射。Y = f (X
2023-09-05 11:45:064406 
本文转自：DeepHubIMBA无监督异常检测作为机器学习领域的重要分支，专门用于在缺乏标记数据的环境中识别异常事件。本文深入探讨异常检测技术的理论基础与实践应用，通过IsolationForest
2025-06-24 11:40:051267 
`保护金属膜电容的措施很多人对于金属膜电容的保护措施不屑一顾，一旦出现问题的时候，才会不知所措了，所以只有做好保护措施才是非常重要的。其实电容同普通的电容器一样都是非常的脆弱的，在使用的时候一定
2015-03-27 08:44:12
`转一篇好资料机器学习算法可以分为三大类：监督学习、无监督学习和强化学习。监督学习可用于一个特定的数据集（训练集）具有某一属性（标签），但是其他数据没有标签或者需要预测标签的情况。无监督学习可用
2017-04-18 18:28:36
机器学习的未来在工业领域采用机器学习机器学习和大数据工业人工智能生态系统
2020-12-16 07:47:35
机器学习的未来在工业领域采用机器学习机器学习和大数据
2021-01-27 06:02:18
用最火的Python语言、通过各种各样的机器学习算法来解决实际问题！资料中介绍的主要问题如下：- 探索分类分析算法并将其应用于收入等级评估问题- 使用预测建模并将其应用到实际问题中- 了解如何使用无
2019-08-28 15:06:22
、谋发展的决定性手段，这使得这一过去为分析师和数学家所专属的研究领域越来越为人们所瞩目。本书第一部分主要介绍机器学习基础，以及如何利用算法进行分类，并逐步介绍了多种经典的监督学习算法，如k近邻算法
2017-06-01 15:49:24
的性能。2.机器学习是对能通过经验自动改进的计算机算法的研究。3.机器学习是用数据或以往的经验，以此优化计算机程序的性能标准。机器学习算法可以分成下面几种类别：•监督学习：从给定的训练数据集中学习出一
2017-06-23 13:51:15
：用来训练，构建模型。验证集：在模型训练阶段测试模型的好坏。测试集：等模型训练好后，评估模型的好坏。学习方式：监督学习：训练带有标签的数据集。无监督学习：训练无标签的数据集。半监...
2021-09-06 08:21:17
人工智能下面有哪些机器学习分支？如何用卷积神经网络（CNN）方法去解决机器学习监督学习下面的分类问题？
2021-06-16 08:09:03
的不同，机器学习可分为：监督学习，无监督学习，半监督学习，强化学习。在这里我们讲2种机器学习的常用方法：监督学习，无监督学习。监督学习是从标记的训练数据来推断一个功能的机器学习任务，可分为“回归”和“分类
2018-07-27 12:54:20
，机器学习最大的分支的监督学习和无监督学习，简单说数据已经打好标签的是监督学习，而数据没有标签的是无监督学习。从大的分类上看，降维和聚类被划在无监督学习，回归和分类属于监督学习。无监督学习如果你的数据
2019-03-07 20:18:53
以独立分量分析为主要对象, 描述了盲信号源分离技术的基本模型，介绍了盲分离的主要方法和数学原理, 分析了盲信号源的可辨识性。提出基于神经网络无监督学习的盲分离方法
2009-03-10 20:46:08
19 基于无监督特征学习的手势识别方法_陶美平
2017-01-03 17:41:581 基于声学分段模型的无监督语音样例检测_李勃昊
2017-01-07 16:24:520 简述继电保护技术监督_张拥刚
2017-03-15 08:00:000 基于半监督学习的跌倒检测系统设计_李仲年
2017-03-19 19:11:454 一般说来，训练深度学习网络的方式主要有四种：监督、无监督、半监督和强化学习。在接下来的文章中，机器人圈将逐个解释这些方法背后所蕴含的理论知识。除此之外，机器人圈将分享文献中经常碰到的术语，并提
2017-09-29 17:33:330 机器学习的本质是模式识别。 一部分可以用于预测（有监督学习，无监督学习），另一类直接用于决策（强化学习），机器学习的一个核心任务即模式识别， 我们通常可以用模式识别来对我们未来研究的系统进行归类， 并预测各种可能的未来结果。
2017-10-13 10:56:431973 
软件缺陷预测能够提高软件开发和测试的效率，保障软件质量。无监督缺陷预测方法具有不需要标签数据的特点，从而能够快速应用于工程实践中。提出了基于概率的无监督缺陷预测方法PCLA，将度量元值与阈值的差值
2017-11-21 14:45:445 机器学习算法的分类是棘手的，有几种合理的分类，他们可以分为生成/识别，参数/非参数，监督/无监督等。 例如，Scikit-Learn的文档页面通过学习机制对算法进行分组。这产生类别如：1
2017-12-20 20:38:492686 当数据集中包含的训练信息不充分时，监督的极限学习机较难应用，因此将半监督学习应用到极限学习机，提出一种半监督极限学习机分类模型；但其模型是非凸、非光滑的，很难直接求其全局最优解。为此利用组合优化方法
2017-12-23 11:24:150 中科院和英国伦敦大学玛丽女王学院的研究人员就生成视频摘要提出了一种新方法，采用无监督学习的方法，用深度摘要网络（Deep Summarization Network，DSN）总结视频。
2018-01-15 10:49:158303 
人体行为识别是计算机视觉研究的热点问题，现有的行为识别方法都是基于监督学习框架．为了取得较好的识别效果，通常需要大量的有标记样本来建模．然而，获取有标记样本是一个费时又费力的工作．为了解决这个
2018-01-21 10:41:091 打出“无监督学习算法”这一旗帜，再结合监督学习、自动规则引擎，为客户提供多应用场景的保护，包括大量虚假账户注册、账号盗取、欺诈交易、身份盗用、洗钱交易、假冒评估、垃圾邮件、虚假
2018-02-17 01:12:001901 and Unsupervised Learning 我们已经学习了许多机器学习算法，包括线性回归，Logistic回归，神经网络以及支持向量机。这些算法都有一个共同点，即给出的训练样本自身带有标记。比如
2018-05-01 17:43:0013046 
在机器学习(Machine learning)领域。主要有三类不同的学习方法：监督学习(Supervised learning)、非监督学习(Unsupervised learning)、半监督学习(Semi-supervised learning)。
2018-05-07 09:09:0115019 机器学习还能产生“偏见”？机器学习也会对数据产生偏见，从而导致错误的预测。我们该如何解决这一问题？ Google的新论文或许会揭晓答案。机器学习中的机会均等 随着机器学习计算稳步发展，越来越多人开始关注其对于社会的影响。机器学习的成功分支之一是监督学习。
2018-05-14 18:20:003708 
同时，我们可以从互联网轻松获取海量粗标注的图片，如利用Flickr的标签。因此，研究如何在弱监督条件下，即仅提供粗略图片类别标注，训练目标检测模型，具有重要的意义。已有学者探索了基于多示例学习构建弱监督条件下的目标检测模型学习方法，但是模型的精确度仍然难以令人满意。
2018-05-15 16:51:1812195 
无监督学习是机器学习技术中的一类，用于发现数据中的模式。本文介绍用Python进行无监督学习的几种聚类算法，包括K-Means聚类、分层聚类、t-SNE聚类、DBSCAN聚类等。
2018-05-27 09:59:1331502 
基于一个可伸缩的、任务无关的系统，OpenAI在一组包含不同的语言任务中获得了最优的实验结果，方法是两种现有理念的结合：迁移学习和无监督的预训练。
2018-06-13 18:00:326407 
采用无监督机器学习方法并结合聚类算法，从具有爆裂噪声随时间演化行为的应力-应变曲线中获得淬火、局域的无序分布。
2018-06-29 14:50:593335 
这一切的完成都是借助算法根据相似性来对事物进行分组。相似度的度量是通过选择算法来指定的，但是为什么不尝试尽可能多的相似度度量呢? 因为你也不知道你在寻找什么，不过可以把非监督式学习看成是数学中的“物以类聚”。就像罗夏墨迹卡一样，其实你不用把你看到的内容看的太重。
2018-07-24 17:50:3411961 Facebook无监督机器翻译的方法，首先是让系统学习双语词典，将一个词与其他语言对应的多种翻译联系起来。举个例子，就好比让系统学会“Bug”在作为名词时，既有“虫子”、“计算机漏洞”，也有“窃听器”的意思。
2018-09-02 09:10:176415 尽管存在挑战，许多金融公司已经采用了这项技术。如下图所示，金融服务业的高管们非常重视机器学习，他们这么做有很多原因:
2018-09-03 14:15:565544 脸书公司开始使用无监督机器学习来为其用户提供翻译服务。
2018-10-02 17:36:003096 1.有监督学习：根据已知的输入和输出，建立联系它们的模型，根据该模型对未知输出的输入进行判断。
1）回归：以无限连续域的形式表示输出。
2）分类：以有限离散域的形式表示输出。
2.无监督学习
2018-10-22 08:00:007 根据训练数据是否有标记，机器学习任务大致分为两大类：监督学习和非监督学习，监督学习主要包括分类和回归等，非监督学习主要包括聚类和频繁项集挖掘等。
2018-11-10 10:55:594614 机器学习有四种广受认可的形式：监督式、无监督式、半监督式和强化式。在研究文献中，这些形式得到了深入的探讨。它们也被纳入了大多数机器学习算法的入门课程。下表对这四种形式作了总结。
2018-11-14 10:17:541909 Darktrace新网络安全公司与剑桥大学的数学家合作，开发了一种利用机器学习来捕捉内部漏洞的工具。它运用无监督学习方法，查看大量未标记的数据，并找到不遵循典型模式的碎片。这些原始数据汇集到60多种不同的无监督学习算法中，它们相互竞争以发现异常行为。
2018-11-22 16:01:501540 with experience E（一个程序从经验E中学习解决任务T进行某一任务量度P，通过P测量在T的表现而提高经验E（另一种定义：机器学习是用数据或以往的经验，以此优化计算机程序的性能标准。） 不同类型的机器学习算法：主要讨论监督学习和无监督学习 监督学习：利用一组已知类别的样本调整分类器的参数
2018-12-03 17:12:01898 针对现有属性选择算法平等地对待每个样本而忽略样本之间的差异性，从而使学习模型无法避免噪声样本影响问题，提出一种融合自步学习理论的无监督属性选择（ UFS-SPL）算法。首先自动选取一个重要的样本
2018-12-07 13:40:065 无监督学习是一种用于在数据中查找模式的机器学习技术。无监督算法给出的数据不带标记，只给出输入变量(X)，没有相应的输出变量。在无监督学习中，算法自己去发现数据中有趣的结构。
2019-01-21 17:23:005042 以机器学习中的监督学习为例，监督学习是从一组带有标记的数据中学习。
2019-07-04 15:31:49580 细数机器学习在金融领域的七大应用
2019-07-05 15:04:142829 BigBiGAN是一种纯粹基于生成模型的无监督学习方法，它在ImageNet上实现了图像表示学习的最好的结果。
2019-07-11 15:48:383415 谷歌的结果促进了半监督学习的复兴，而且还发现3点有趣的现象：（1）SSL可以匹配甚至优于使用数量级更多标记数据的纯监督学习。（2）SSL在文本和视觉两个领域都能很好地工作。（3）SSL能够与迁移学习很好地结合。
2019-07-13 07:31:004055 
在监督学习中，机器在标记数据的帮助下进行训练，即带有正确答案标记的数据。而在无监督机器学习中，模型自主发现信息进行学习。与监督学习模型相比，无监督模型更适合于执行困难的处理任务。
2019-09-20 15:01:303628 深度学习作为机器学习的一个分支，其学习方法可以分为监督学习和无监督学习。
2020-01-30 09:29:003915 
我们分析现有监督算法的主要问题在于没有真正的知识, 没有对于文本和类目的真正的理解。现有算法只是在学习大量人工标注训练样本里面的模式。为了解决这个问题，我们启动了一个叫做: 基于关键词知识与类目知识的非监督短文本层级分类的探索项目。
2019-12-08 10:57:343944 
机器学习是指使机器能够以监督和无监督的方式“学习”从而提高准确性和性能的软件。
2019-12-17 17:03:04796 机器学习（ML）是人工智能（AI）的子集，它试图以几种不同的方式从数据集“学习”，其中包括监督学习和无监督学习。
2020-03-14 10:50:01937 本书前两部分主要探讨监督学习（supervised learning）。在监督学习的过程中，我们只需要给定输入样本集，机器就可以从中推演出指定目标变量的可能结果。监督学习相对比较简单，机器只需从输入数据中预测合适的模型，并从中计算出目标变量的结果。
2020-05-28 08:00:000 量子比特计算机Bristlecone，开发了Cirq量子开源框架，提供了量子化学材料计算的OpenFermion-Cirq用例。初创公司Rigetti 开放了量子云服务平台，研制了19量子比特处理器QPU，并首次使用QPU超导芯片进行无监督机器学习训练及推理，展示出量子计算﹢人工智能的巨大潜力。
2020-06-22 15:24:222468 无监督学习的好处之一是，它不需要监督学习必须经历的费力的数据标记过程。但是，要权衡的是，评估其性能的有效性也非常困难。相反，通过将监督学习算法的输出与测试数据的实际标签进行比较，可以很容易地衡量监督学习算法的准确性。
2020-07-07 10:18:366426 “训练”，通过各种算法从数据中学习如何完成任务。机器学习传统的算法包括决策树、聚类、贝叶斯分类等。从学习方法上来分可以分为监督学习、无监督学习、半监督学习、集成学习、深度学习和强化学习。
2020-07-26 11:14:4412158 机器学习是人工智能的一个子集，它通过示例和经验教会计算机执行任务，是研究和开发的热门领域。我们每天使用的许多应用程序都使用机器学习算法，包括AI助手，Web搜索和机器翻译。
2020-08-07 15:49:251161 
本节概述机器学习及其三个分类（监督学习、非监督学习和强化学习）。首先，与机器学习相关的术语有人工智能（Artificial Intelligence，AI）、机器学习（Machine Learning，ML）、强化学习、深度学习等，这里对这些术语进行简单的整理。
2020-08-14 12:24:4725802 
数据时代，人们从技术中获取便利的同时，也面临着隐私泄露的风险。微软倡导负责任的人工智能，因此机器学习中的隐私保护问题至关重要。本文介绍了目前机器学习中隐私保护领域的最新研究进展，讨论了机密计算、模型隐私和联邦学习等不同层面的隐私保护方法。
2020-09-04 11:34:474461 
在本文中，我们将讨论一个金融机构的实际使用案例，该案例使用-聚类clustering（一种流行的机器学习算法）来为其客户群定制其产品。
2020-10-12 13:58:053370 
标记数据训练的监督学习技术得到更好的结果。这是半监督学习系列文章的第1部分，对这个机器学习的重要子领域进行了简要的介绍。 区分半监督学习，监督学习和无监督学习 整个数据集中可用于训练的有标记数据的范围区分了机器学习的这三个
2020-11-02 16:08:143217 有趣的方法，用来解决机器学习中缺少标签数据的问题。SSL利用未标记的数据和标记的数据集来学习任务。SSL的目标是得到比单独使用标记数据训练的监督学习模型更好的结果。这是关于半监督学习的系列文章的第2部分，详细介绍了一些基本的SSL技
2020-11-02 16:14:553611 
机器学习的基本过程，罗列了几个主要流程和关键要素；继而展开介绍机器学习主要的算法框架，包括监督学习算法，无监督学习算法和常用的降维，特征选择算法等；最后在业务实践的过程中，给出了一个可行的项目管理流程，可供参考。
2020-11-12 10:28:4812986 在过去的十年中，金融行业采用了很多前所未有的尖端技术。这种转变在很大程度上归因于2008年金融危机之后出现的许多初创企业，它们遵循技术优先的方法来创建金融产品和服务，其目标是改善客户体验。
2020-11-13 14:16:592185 跨所有通道的快速跟踪非接触式数字支持每天产生数TB的数据，这对于训练受监督的机器学习算法至关重要。无监督的机器学习算法依赖于TB级的数据来发现金融服务数据中以前未知的模式。
2020-11-15 10:02:541625 为什么半监督学习是机器学习的未来。 监督学习是人工智能领域的第一种学习类型。从它的概念开始，无数的算法，从简单的逻辑回归到大规模的神经网络，都已经被研究用来提高精确度和预测能力。 然而，一个重大突破
2020-11-27 10:42:074444 科技初创厂商是智能手机、大数据、机器学习（ML）、区块链等新技术的早期采用者，被认为是被更传统的银行和金融机构所效仿的潮流引领者。
2020-12-07 15:31:262032 监督学习是人工智能领域的第一种学习类型。从它的概念开始，无数的算法，从简单的逻辑回归到大规模的神经网络，都已经被研究用来提高精...
2020-12-08 23:32:541969 高成本的人工标签使得弱监督学习备受关注。seed-driven 是弱监督学习中的一种常见模型。该模型要求用户提供少量的seed words，根据seed words对未标记的训练数据生成伪标签，增加
2021-01-18 16:04:273584 在大规模标注的数据集上训练深度模型不仅可以使手头的任务表现良好，还可以使模型学习对于下游任务的有用特征形式。但是，我们是否可以在不使用如此昂贵且细粒度的标注数据的情况下获得类似的特征表达能力呢？本文研究了使用噪声标注（在这种情况下为图像标题）的弱监督预训练。
2021-01-18 17:08:569247 
机器学习可以分为监督学习，半监督学习，非监督学习，强化学习，深度学习等。监督学习是先用带有标签的数据集合学习得到一个模型，然后再使用这个模型对新的标本进行预测。格物斯坦认为：带标签的数据进行特征提取
2021-03-12 16:01:273586 强化学习（ Reinforcement learning，RL）作为机器学习领域中与监督学习、无监督学习并列的第三种学习范式，通过与环境进行交互来学习，最终将累积收益最大化。常用的强化学习算法分为
2021-04-08 11:41:5811 学习模型主要基于节点结构相似和节点内容相似，不能同时有效捕获节点结构和内容的相似信息，因此在结构和内容等价混合的网络数据上表现较差。为此，探索了节点结构相似和节点内容相似的融合特征，提岀了一种基于无监督浅
2021-04-23 11:22:5611 基于无监督稀疏自编码的图像哈希算法
2021-06-28 16:46:5832 监督学习|机器学习| 集成学习|进化计算| 非监督学习| 半监督学习| 自监督学习| 无监督学习| 随着人工智能、元宇宙、数据安全、可信隐私用计算、大数据等领域的快速发展，自监督学习脱颖而出，致力于
2022-01-20 10:52:105490 
自监督学习的流行是势在必然的。在各种主流有监督学习任务都做到很成熟之后，数据成了最重要的瓶颈。从无标注数据中学习有效信息一直是...
2022-01-26 18:50:171 信息网络，采用随机混洗预测学习机制，并融合先验分布匹配和结构信息最大化学习目标，学习混合异构的基于向量空间的通用表示，可以用于无监督和有监督的学习任务。
2022-03-24 17:22:112272 目前，基于深度学习的视觉检测在监督学习方法的帮助下取得了很大的成功。然而，在实际工业场景中，缺陷样本的稀缺性、注释成本以及缺陷先验知识的缺乏可能会导致基于监督的方法失效。
2022-07-31 11:00:524060 源自：AI知识干货 根据数据类型的不同，对一个问题的建模有不同的方式。在机器学习或者人工智能领域，人们首先会考虑算法的学习方式。在机器学习领域，有几种主要的学习方式。将算法按照学习方式分类是一个不错
2022-08-22 09:57:333009 
根据有无标签，监督学习可分类为：传统的监督学习（Traditional Supervised Learning）、非监督学习（Unsupervised Learning）、半监督学习（Semi-supervised Learning）。
2023-04-18 16:26:132605 调整，使其生成正确的输出。在其他情况下，则实行无监督学习，由系统负责梳理数据来发现以前未知的模式。大多数机器学习模型都是遵循这两种范式（监督学习与无监督学习）。
2023-05-16 09:55:367052 
本电子书建立在使用 MATLAB 进行机器学习 的基础上，后者回顾了机
器学习基础知识，并介绍了监督和无监督学习的技术方法。
我们使用心音分类器为例，向您介绍真实世界中的机器学习应用程序从
2023-05-29 09:14:530 3．机器学习谷歌CEO桑达尔·皮查伊在一封致股东信中，把机器学习誉为人工智能和计算的真正未来，可想而知机器学习在人工智能研究领域的重要地位。机器学习的方式包括有监督学习、无监督学习、半监督学习和强化学习
2022-03-22 09:50:111400 
作者：JonteDancker来源：DeepHubIMBA距离度量是有监督和无监督学习算法的基础，包括k近邻、支持向量机和k均值聚类等。距离度量的选择影响我们的机器学习结果，因此考虑哪种度量最适合
2022-11-03 10:35:472297 来源：DeepHubIMBA强化学习的基础知识和概念简介（无模型、在线学习、离线强化学习等）机器学习(ML)分为三个分支:监督学习、无监督学习和强化学习。监督学习(SL)：关注在给定标记训练数据
2023-01-05 14:54:051714 基于神经网络的机器学习方法。 深度学习算法可以分为两大类：监督学习和无监督学习。监督学习的基本任务是训练模型去学习输入数据的特征和其对应的标签，然后用于新数据的预测。而无监督学习通常用于聚类、降维和生成模型等任务中
2023-08-17 16:11:261829 的区别。 1. 机器学习 机器学习是指通过数据使机器能够自动地学习和改进性能的算法。机器学习是人工智能的一个重要分支，它通过一系列的训练样本，让机器从数据中学习规律，从而得出预测或决策。机器学习算法可以分为有监督学习
2023-08-17 16:11:405419 许多不同的类型和应用。根据机器学习的任务类型，可以将其分为几种不同的算法类型。本文将介绍机器学习的算法类型以及分类算法和预测算法。 机器学习的算法类型 1. 监督学习算法 在监督学习算法中，已知标记数据和相应的输出
2023-08-17 16:30:112801 电子发烧友网站提供《Sentry ND网络防御：实时无监督机器学习解决方案.pdf》资料免费下载
2023-09-13 10:19:210 深度学习作为机器学习的一个分支，其学习方法可以分为监督学习和无监督学习。两种方法都具有其独特的学习模型：多层感知机 、卷积神经网络等属于监 督学习；深度置信网 、自动编码器 、去噪自动编码器 、稀疏编码等属于无监督学习。
2023-10-09 10:23:421153 
本文对比了多种基线方法，包括无监督域自适应的传统方法（如Pseudo-labeling和对抗训练）、基于检索的LM方法（如REALM和RAG）和情境学习方法（如In-context learning）。
2023-12-05 14:14:081387 
应用中往往难以实现。因此，无监督学习在深度学习中扮演着越来越重要的角色。本文旨在综述深度学习中的无监督学习方法，包括自编码器、生成对抗网络、聚类算法等，并分析它们的原理、应用场景以及优缺点。
2024-07-09 10:50:072734 神经网络作为深度学习的重要组成部分，其训练方式多样，其中无监督学习是一种重要的训练策略。无监督学习旨在从未标记的数据中发现数据内在的结构、模式或规律，从而提取有用的特征表示。这种训练方式对于大规模未
2024-07-09 18:06:592098
电子发烧友App
工商网监
评论