Transporte óptimo entrópico inverso para aprendizaje semi-supervisado
Aprende cómo EBiEOT revoluciona el aprendizaje semi-supervisado combinando datos pareados y no pareados mediante maximización de verosimilitud.
#aprendizaje semi-supervisado
Clasificación Multietiqueta Robusta con Regularización Adaptativa al Ruido
Mejora la clasificación multietiqueta de imágenes satelitales con NAR, que maneja ruido aditivo y sustractivo. Aprendizaje robusto.
GeoMin: Modelado Geométrico para RLVR Semi-Supervisado Eficiente
GeoMin optimiza RLVR semi-supervisado usando modelado geométrico. Logra +4.1% sobre los mejores y supera la supervisión completa con solo el 10% de datos etiquetados.
Adaptación de Ruido Semi-Supervisada: Transferencia desde Dominio Ruidoso
Descubre cómo la adaptación de ruido semi-supervisada (SSNA) utiliza ruido sintético para mejorar la generalización de modelos de aprendizaje automático. ¡Optimiza tu rendimiento!
FedSAP: cerrando la brecha de alineación-madurez en aprendizaje federado
FedSAP cierra la brecha de alineación-madurez en aprendizaje federado con prototipos, logrando hasta 4 puntos en datos no-IID y se extiende a semi-supervisado.
Minimización con Conciencia de Inconsistencia para Mejorar la Generalización
Descubre cómo el nuevo método IAM usa la inconsistencia local para mejorar la generalización en modelos de deep learning, incluso sin etiquetas. Optimiza tu entrenamiento.
GiPL: Pseudoetiquetado Iterativo Aumentado Generativo para la Detección de Objetos con Pocas Muestras en Dominios Cruzados
GiPL: Pseudoetiquetado iterativo generativo para detección con pocas muestras en dominios cruzados. Mejora la adaptación entre dominios con mínimos datos etiquetados.
SADA: Agregación Segura y Adaptativa de Múltiples Predicciones de Caja Negra en Aprendizaje Semi-Supervisado
SADA: método de agregación segura y adaptativa de predicciones en aprendizaje semi-supervisado que mejora precisión y robustez de modelos.