实体
Co-training
Co-training
PulseAugur coverage of Co-training — every cluster mentioning Co-training across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
半监督学习通过选择性未标记数据提升QSAR模型
研究人员探索了半监督学习（SSL）在定量结构-活性关系（QSAR）建模中的有效性，特别是在使用ChEMBL等大型化学数据库时。他们的研究涉及10个QSAR数据集和超过40万个未标记分子，评估了三种SSL算法和四种数据选择策略。研究结果表明，未标记数据确实可以增强QSAR模型，某些配置的表现优于监督基线。值得注意的是，选择少量化学结构多样的分子比仅仅增加未标记数据的数量更有益，这表明未标记数据集的质量和组成对于该领域成功的SSL至关重要。
-
新框架利用双重学习提升图神经网络的OOD泛化能力
研究人员开发了两种新颖的框架：Co-Train 和 Dual-Space Retrieval，以增强图神经网络（GNNs）的分布外（OOD）泛化能力。这些方法利用了监督学习和自监督学习（SSL）表示的互补信号，以提高在图分布发生变化时的节点分类准确性。Co-Train 在训练期间整合这些表示，而 Dual-Space Retrieval 在推理时结合预测。跨各种 GNN 架构和 SSL 目标的实验表明，与纯粹的监督 OOD 基线相比，…