如何在神经网络中实现弱监督判别学习?

我想在神经网络中实现弱监督判别学习,但是不知道如何开始。我听说在弱监督条件下,常用的方法是MIL和多示例学习。这样的学习方式需要众多的示例才能训练出准确的模型,但是在硬件或数据条件有所限制的情况下,这种方法就不适用了。在这种情况下,有一些新的方法被提出,如深度判别网络(DBN)、判别性神经网络(DNN)和卷积神经网络(CNN),但我不确定哪种方法最适合我的需求。请问有什么推荐或建议吗?

提问时间:2023-05-18 09:38:30 编辑时间:2023-05-18 09:38:32 提问者: Sunflower_Smile
  • Black_Thunder
    3

    在弱监督条件下实现判别学习有很多方法可供选择,其中DBN、DNN和CNN都是常用的方法。根据你的具体需求和模型复杂度,你可以选择其中的一种或几种进行尝试。具体的使用方法和实现细节可以参考相关文献或代码库,不过建议先了解每种方法的优缺点,再根据实际情况进行选择和优化。另外,如果数据数量有限,可以考虑数据增强和迁移学习等方法来提升模型性能。

    回答时间:2023-05-18 09:38:36