推荐一些关于将图形学先验知识融入人工智能模型的研究论文
以下是一些关于将图形学先验知识融入人工智能模型的研究论文： 《Incorporating Causal Graphical Prior Knowledge into Predictive Modeling via Simple Data Augmentation》：作者为Takeshi Teshima、Masashi Sugiyama，该论文提出了一种与...
中国人工智能学会通讯——基于众包的数据清洗模型研究 4 结论
4 结论 本文的研究是在主动学习和众包平台相结合的基础上展开的，对如何将主动学习与众包结合在一起提出了直接主动学习模型和交互主动学习模型两种模型，适用于不同的数据应用场合。将主动学习与众包结合起来，在解决准确性问题的同时减少了开销，从而使模型更加健壮，适用范围更加广泛。 基金项目：国家自然科学基金项目 (U1509216, 61472099, 61133002) 和黑龙江省留学回国人员基金 (L....
中国人工智能学会通讯——基于众包的数据清洗模型研究 3. 实验
3. 实验 本章我们将在真值发现和缺失填充两个数据清洗代表性应用上，验证提出模型的高效性和准确性。 数据集： （1）stock。该数据集收集了2011年7月的所有工作日约1 000只股票的信息，其中包括分别来自55个数据源的16个属性。我们用该数据集验证提出的模型，在真值发现应用上的有效性。 （2）wine。该数据集包括200条记录，13个属性。我们用该数据集验证提出的模型，在缺失填充应用上的有....
中国人工智能学会通讯——基于众包的数据清洗模型研究 2 基于众包的主动学习模型
2 基于众包的主动学习模型 本章根据不同的应用场合设计了两种不同的主动学习模型，对劣质数据进行清洗。 由于主动学习是以少量的有标记样本作为初始训练集来标记大量的无标记样本，因此，我们在无标记大量样本中进行信息评估，选出价值更高的一类样本利用众包平台进行人工标记。根据获得的人工标记是否加入初始训练集进行再次训练，我们将基于众包的主动学习模型分为直接主动学习模型和交互主动学习模型两种。我们将分别详细....
中国人工智能学会通讯——基于众包的数据清洗模型研究 1 问题定义
摘要： 互联网的快速发展导致海量数据的产生，来自不同数据源的信息集成使得数据质量更难以保证，因此数据清洗成为改善数据质量的必要手段之一。传统的数据清洗方法虽然能够解决部分问题，然而存在计算难度大，缺乏充足的知识等局限性。本文提出了将主动学习与众包平台相结合来进行数据清洗的新方法，通过众包来提供需要的知识，同时结合主动学习模型来减少众包开销，实现了对给定的数据库基于众包平台的数据清洗，在最大程度上....
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。