主要方法为了解决深度学习数据少,和数据稀疏, 目前业界的主流方法有一下5种:数据增广半监督学习迁移学习领域自适应主动学习下面,我们对这5种方式进行一个简单的介绍,详细的介绍,可以在本文末尾,根据指示,获取原文观看。数据增广数据增广,主要是想,对现有的数据,添加噪声等各种其他变换,从而产生一些有意义的数据,是的数据集增加,从而解决数据稀疏的问题,提升模型性能。 特别的,如图所示,Zachary Lipton 介绍了近期他的一个工作:利用 GAN来做图像数据增广。 半监督学习半监督学习的情形是指:我们拥有少量的标注样本(图中橘色部分)以及大量的未标注样本(图中蓝色部分)。半监督学习,一般的思路是:在全部数据上去学习数据表
………………………………