توضیحات
While labeled data is expensive to prepare, ever increasing amounts of unlabeled data is becoming widely available. In order to adapt to this phenomenon, several semi-supervised learning (SSL) algorithms, which learn from labeled as well as unlabeled data, have been developed. In a separate line of work, researchers have started to realize that graphs provide a natural way to represent data in a variety of domains. Graph-based SSL algorithms, which bring together these two lines of work, have been shown to outperform the state-of-the-art in many applications in speech processing, computer vision, natural language processing, and other areas of Artificial Intelligence. Recognizing this promising and emerging area of research, this synthesis lecture focuses on graph-based SSL algorithms (e.g., label propagation methods). Our hope is that after reading this book, the reader will walk away with the following: (1) an in-depth knowledge of the current state-of-the-art in graph-based SSL algorithms, and the ability to implement them; (2) the ability to decide on the suitability of graph-based SSL methods for a problem; and (3) familiarity with different applications where graph-based SSL methods have been successfully applied.
Table of Contents: Introduction / Graph Construction / Learning and Inference / Scalability / Applications / Future Work / Bibliography / Authors’ Biographies / Index
————————————————————–
ترجمه ماشینی :
در حالی که تهیه داده های برچسب دار گران است، مقادیر روزافزونی از داده های بدون برچسب به طور گسترده در دسترس هستند. به منظور انطباق با این پدیده، چندین الگوریتم یادگیری نیمه نظارتی (SSL) که از داده های برچسب دار و همچنین بدون برچسب یاد می گیرند، توسعه یافته اند. در یک خط کار جداگانه، محققان شروع به درک این موضوع کردهاند که نمودارها راهی طبیعی برای نمایش دادهها در حوزههای مختلف ارائه میدهند. نشان داده شده است که الگوریتمهای SSL مبتنی بر نمودار، که این دو خط کار را گرد هم میآورند، در بسیاری از برنامههای کاربردی در پردازش گفتار، بینایی رایانه، پردازش زبان طبیعی و سایر حوزههای هوش مصنوعی از پیشرفتهترین عملکردها بهتر عمل میکنند. با شناخت این حوزه پژوهشی امیدوارکننده و نوظهور، این سخنرانی ترکیبی بر الگوریتمهای SSL مبتنی بر نمودار (مثلاً روشهای انتشار برچسب) تمرکز دارد. امید ما این است که پس از خواندن این کتاب، خواننده با موارد زیر کنار بیاید: (1) دانش عمیق از وضعیت فعلی هنر در الگوریتمهای SSL مبتنی بر نمودار و توانایی پیادهسازی آنها. (2) توانایی تصمیم گیری در مورد مناسب بودن روش های SSL مبتنی بر گراف برای یک مشکل. و (3) آشنایی با برنامه های کاربردی مختلف که در آن روش های SSL مبتنی بر نمودار با موفقیت به کار گرفته شده است.
فهرست مطالب: مقدمه / ساخت نمودار / یادگیری و استنتاج / مقیاس پذیری / برنامه های کاربردی / کار آینده / کتابشناسی / نویسندگان’ بیوگرافی / فهرست
tag : دانلود کتاب یادگیری نیمه نظارتی مبتنی بر نمودار , Download یادگیری نیمه نظارتی مبتنی بر نمودار , دانلود یادگیری نیمه نظارتی مبتنی بر نمودار , Download Graph-Based Semi-Supervised Learning Book , یادگیری نیمه نظارتی مبتنی بر نمودار دانلود , buy یادگیری نیمه نظارتی مبتنی بر نمودار , خرید کتاب یادگیری نیمه نظارتی مبتنی بر نمودار , دانلود کتاب Graph-Based Semi-Supervised Learning , کتاب Graph-Based Semi-Supervised Learning , دانلود Graph-Based Semi-Supervised Learning , خرید Graph-Based Semi-Supervised Learning , خرید کتاب Graph-Based Semi-Supervised Learning ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.