lstm-autoencoder semi-supervised autoencoder
Early lameness detection in dairy cattle based on wearable gait analysis using semi-supervised LSTM-Autoencoder
一区top Computers and Electronics in Agriculture 题目：“基于半监督 LSTM-自动编码器可穿戴步态分析的奶牛早期跛行检测” (Zhang 等, 2023, p. 1) (pdf) “Early lameness detection in dairy ca ......
FLAC: Federated Learning with Autoencoder Compression and Convergence Guarantee-2022
目的：减少通信量(成本)，例如VGGNet架构具有大约1.38亿个参数（4264 Mb） 方法：具有自动编码器压缩（Autoencoder Compression）且具有收敛保证（Convergence Guarantee）；利用冗余信息（the redundant information）和FL的 ......
LDAEXC: LncRNA-Disease Associations Prediction with Deep Autoencoder and XGBoost Classifier.
LDAEXC: LncRNA-Disease Associations Prediction with Deep Autoencoder and XGBoost Classifier. 作者: Lu Cuihong; Xie Minzhu 作者背景: College of Information S ......
CA-TCC: 半监督时间序列分类的自监督对比表征学习《Self-supervised Contrastive Representation Learning for Semi-supervised Time-Series Classification》(时间序列、时序表征、时间和上下文对比、对比学习、自监督学习、半监督学习、TS-TCC的扩展版)
现在是2023年11月27日，10:48，今天把这篇论文看了。 论文：Self-supervised Contrastive Representation Learning for Semi-supervised Time-Series Classification GitHub：https://g ......
自动编码器（Autoencoders）和序列到序列（Sequence-to-Sequence）模型区别
核心区别 应用范围：自动编码器主要用于数据的压缩、重建和特征提取，而序列到序列模型用于处理序列数据，特别是在输入和输出都是长度可变的序列的情况下。 数据处理方式：自动编码器处理固定大小的输入和输出，而序列到序列模型处理的输入和输出通常是长度可变的序列。 任务类型：自动编码器更多用于无监督学习任务，而 ......
Variational Autoencoders for Collaborative Filtering论文阅读笔记
摘要 将VAE扩展到具有隐式反馈的协同过滤，这样能够超越线性因子模型。提出了一个具有多项式条件似然的神经生成模型。目前推荐系统用的比较多的是rank指标，这里本文也说明了为什么多项似然非常适合隐式反馈数据建模。相对于高斯函数和逻辑函数更加接近rank损失 马上提出了一个比较有意思的观点，虽然推荐被认 ......
AutoRec Autoencoders Meet Collaborative Filtering 论文阅读笔记
这个是第一篇将自编码器应用到推荐系统中的论文，也是将深度学习应用到推荐系统中的论文。比较老，主要学习它的思想，对输入的编码与重建。这篇文章提出了基于AutoEncoder的协同过滤方法来解决评分预测问题 我们的目标就是设计一个基于项目或者用户的自动编码器，它可以将每个部分观察到的\(r^u(r^i) ......
Variational Autoencoders（VAE）
在过去的几年中，基于深度学习的生成模型越来越受到关注，一方面这是因为该领域产生了一些惊人改进，另一方面受到关注也暗示着该领域进展迅猛。 依靠大量数据，精心设计的网络体系结构和智能培训技术，深入的生成模型已经显示出了令人难以置信的能力，可以生成各种高度逼真的各种内容，例如图像，文本和声音。 在这些深层 ......
Graph Laplacian for Semi-Supervised Learning
目录概符号说明Graph-Laplacian for SSL Streicher O. and Gilboa G. Graph laplacian for semi-supervised learning. arXiv preprint arXiv:2301.04956, 2023. 概 标题取得有 ......
Implicit Autoencoder for Point-Cloud Self-Supervised Representation Learning论文阅读
2023 ICCV Implicit Autoencoder for Point-Cloud Self-Supervised Representation Learning论文阅读，思想很妙，该笔记非常简要 ......
G7、Semi-Supervised GAN 理论与实战
🍨 本文为🔗365天深度学习训练营 中的学习记录博客 🍖 原作者：K同学啊 🚀 文章来源：K同学的学习圈子 问题由来¶ 如果我们生成的图像是带有标签的，例如数字0-9，那为什么要鉴别器判断输入图像为真假，而不直接判断图像是0-9中的哪一个数字呢，这样的鉴别效果不是更好吗 一、SGAN理论基础 ......
音频数据的自定义DataLoader及其AutoEncoder降噪算法
DataLoader要求每一个Batch里面的数据的 shape 都一样，但是语音数据显然不可能都是等长的，因为每一条语音长度都不一样，因此在定制DataLoader的时候还要对每一个 batch 的数据进行剪裁（crop）或者填充（padding）处理。 这里采用 padding来对齐数据，方法采 ......
手写数字数据集AutoEncoder降噪算法
对训练数据加噪声的方法，在训练里面对 x 做如下处理，添加椒盐噪声： bs, ch, h, w = x.shape x = x.reshape(bs, ch, h*w) + 0.2*np.random.normal(size=28*28) x = x.to(torch.float32) 数据集里面的 ......
论文解读（CR-Match）《Revisiting Consistency Regularization for Semi-Supervised Learning》
Note：[ wechat：Y466551 | 可加勿骚扰，付费咨询 ] 论文信息 论文标题：Revisiting Consistency Regularization for Semi-Supervised Learning论文作者：Yue Fan、Anna Kukleva、Bernt Schie ......
基于Autoencoder自编码的64QAM星座图整形调制解调通信系统性能matlab仿真
1.算法运行效果图预览 2.算法运行软件版本 matlab2022a 3.算法理论概述 自编码器（Autoencoder）是一种深度学习模型，可以通过无监督学习的方式来学习数据的低维表示。64QAM星座图整形调制解调通信系统是一种数字通信系统，可以在有限的带宽资源下实现高速数据传输。 4.4 实现过 ......
论文解读（FixMatch）《FixMatch: Simplifying Semi-Supervised Learning with Consistency and Confidence》
Note：[ wechat：Y466551 | 可加勿骚扰，付费咨询 ] 论文信息 论文标题：FixMatch: Simplifying Semi-Supervised Learning with Consistency and Confidence论文作者：论文来源：2020 aRxiv论文地址： ......
基于AutoEncoder自编码器的人脸识别matlab仿真
1.算法理论概述 人脸识别是计算机视觉领域的重要研究方向，其目标是从图像或视频中准确地识别和识别人脸。传统的人脸识别方法通常基于特征提取和分类器，但面临特征选择和计算复杂度等问题。近年来，深度学习技术的发展为人脸识别带来了新的突破。本文介绍一种基于AutoEncoder自编码器的人脸识别算法，该算法 ......
基于AutoEncoder自编码器的MNIST手写数字数据库识别matlab仿真
1.算法理论概述 MNIST手写数字数据库是机器学习中常用的数据集，包含了0到9这10个数字的手写图片。本文介绍一种基于AutoEncoder自编码器的MNIST手写数字识别算法，通过训练自编码器对MNIST数据集进行特征提取和降维，对提取的特征进行分类识别。该算法在MNIST数据集上表现良好，并且 ......
Graph Construction and b-Matching for Semi-Supervised Learning
目录概符号说明图的构建Graph Sparsification\(\epsilon\)-neighborhood graph\(k\)NN graph\(b\)-MatchingGraph Edge Re-Weighting Jebara T., Wang J. and Chang S. Graph ......
论文精读：带有源标签自适应的半监督域适应（Semi-Supervised Domain Adaptation with Source Label Adaptation）
# Semi-Supervised Domain Adaptation with Source Label Adaptation 具有源标签适应的半监督域适应 >[原文链接](https://openaccess.thecvf.com/content/CVPR2023/papers/Yu_Semi- ......
[论文阅读] Learning Semi-supervised Gaussian Mixture Model
# Learning Semi-supervised Gaussian Mixture Models for Generalized Category Discovery ## Abstract 在本文中，我们解决了广义类别发现(generalized category discovery, GCD ......
论文解读（KDSSDA）《Knowledge distillation for semi-supervised domain adaptation》
Note：[ wechat：Y466551 | 可加勿骚扰，付费咨询 ] 论文信息 论文标题：Knowledge distillation for semi-supervised domain adaptation论文作者：Mauricio Orbes-Arteaga, Jorge Cardoso论 ......
论文解读（ECACL）《ECACL: A Holistic Framework for Semi-Supervised Domain Adaptation》
Note：[ wechat：Y466551 | 付费咨询，非诚勿扰 ] 论文信息 论文标题：ECACL: A Holistic Framework for Semi-Supervised Domain Adaptation论文作者：Kai Li, Chang Liu, Handong Zhao, Y ......
论文解读（APCA）《Adaptive prototype and consistency alignment for semi-supervised domain adaptation》
[ Wechat：Y466551 | 付费咨询，非诚勿扰 ] 论文信息 论文标题：Adaptive prototype and consistency alignment for semi-supervised domain adaptation论文作者：Jihong Ouyang、Zhengjie ......
Graph Masked Autoencoder for Sequential Recommendation
[TOC] > [Ye Y., Xia L. and Huang C. Graph masked autoencoder for sequential recommendation. SIGIR, 2023.](http://arxiv.org/abs/2305.04619) ## 概 图 + MA ......
【论文阅读】Masked Autoencoders Are Scalable Vision Learners
> # 🚩前言 > > - 🐳博客主页：😚[睡晚不猿序程](https://www.cnblogs.com/whp135/)😚 > - ⌚首发时间：2023.6.10 > - ⏰最近更新时间：2023.6.10 > - 🙆本文由 **睡晚不猿序程** 原创 > - 🤡作者是蒻蒟本蒟，如果 ......
论文解读（VAT）《Virtual Adversarial Training: A Regularization Method for Supervised and Semi-Supervised Learning》
论文信息 论文标题：Virtual Adversarial Training: A Regularization Method for Supervised and Semi-Supervised Learning论文作者：Takeru Miyato, S. Maeda, Masanori Koya ......
论文解读（PAWS）《Semi-Supervised Learning of Visual Features by Non-Parametrically Predicting View Assignments with Support Samples》
论文信息 论文标题：Semi-Supervised Learning of Visual Features by Non-Parametrically Predicting View Assignments with Support Samples论文作者：Mahmoud Assran, Mathi ......
迁移学习（CLDA）《CLDA: Contrastive Learning for Semi-Supervised Domain Adaptation》
论文信息 论文标题：CLDA: Contrastive Learning for Semi-Supervised Domain Adaptation论文作者：Ankit Singh论文来源：NeurIPS 2021论文地址：download 论文代码：download视屏讲解：click 1 简介 ......
Deeper Insights into Graph Convolutional Networks for Semi-Supervised Learning
Li Q., Han Z. and Wu X. Deeper insights into graph convolutional networks for semi-supervised learning. AAAI, 2018. 概 本文分析了 GCN 的实际上就是一种 Smoothing, 但是 ......