小规模数据集相关论文
深度学习因其具有强大的多尺度非线性拟合能力,且无需任何物理先验知识,已被广泛用于加速新材料的研发,探究材料结构与性能的关系......
基于字词联合的中文命名实体识别模型能够兼顾字符级别与词语级别的信息,但受未登录词影响较大且在小规模数据集上存在训练不充分......
目前图像分类任务在CIFAR-10、CIFAR-100和ImageNet等大型通用数据集上获得最优表现的均是基于深度卷积神经网络的方法,但深度卷积......
提出了一种小规模数据集下学习贝叶斯网络的有效算法——FCLBN。FCLBN利用bootstrap方法在给定的小样本数据集上进行重抽样,然后用......
集成学习已经成为机器学习的研究方向之一,它可以显著地提高分类器的泛化性能.本文分析了Bagging及AdaBoost集成方法,指出了这两种......
研究了小样本数据集的神经网络分类器集成，提出了适合于小样本数据集的神经网络分类器集成方法Novel_NNE，通过生成差异数据提高神经......
深度学习在分类和识别任务上已经取得了革命性的突破。当数据量充足时,基于深度学习方法的分类器和检测器可以达到很高的精度;当数......
