研究文章
改善性能的深度学习基于模型的分类分析当地的概率
|
| 全国矿工工会 |
首字母缩略词 |
介绍 |
|
| 1 |
L-PDL |
我们的框架,局部概率深学习 |
| 2 |
CIFAR-10 |
介绍了数据集,(15- - - - - -17] |
| 3 |
Mini-ImageNet |
介绍了数据集,(21- - - - - -23] |
| 4 |
VoVNet-57 |
深入学习模型,介绍了(24] |
| 5 |
VGG16 |
深入学习模型,介绍了(25] |
| 6 |
ResNeSt50 |
深入学习模型,介绍了(26] |
| 7 |
|
提供了一个样本 |
| 8 |
|
提出了一个标签 |
| 9 |
|
介绍了地面实况 |
| 10 |
Zero20 |
意味着20%的标签没有样品 |
| 11 |
Zero40 |
意味着40%的标签没有样品 |
| 12 |
Zero80 |
意味着80%的标签没有样品 |
| 13 |
L-PDL-joint |
基于我们共同合作框架,介绍了方程(4) |
| 14 |
L-PDL-weight |
基于加权合作框架,介绍了方程(5) |
| 15 |
兰特(。) |
概率的随机函数,输出值吗 |
| 16 |
CC-KL可训练的 |
现存的阶级意识的可训练的combiner-based KL权重方法,介绍了工作(27] |
| 17 |
CC-KL可教育的框架 |
我们的框架在阶级意识的可训练的combiner-based KL权重的方法,介绍了工作(27] |
|
|
