实体
weakly supervised learning
weakly supervised learning
PulseAugur coverage of weakly supervised learning — every cluster mentioning weakly supervised learning across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
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 3 条
-
机器学习模型高精度检测LDAP侦察
研究人员开发了两个机器学习框架来检测恶意的轻量级目录访问协议（LDAP）侦察活动。第一个框架使用弱监督来标记大型数据集，并将LDAP查询分类为恶意或良性，实现了高达65%的真阳性率。第二个框架采用统计假设检验来提取新颖的恶意LDAP签名，展示了81.48%的字段精度。与手动标记相比，这种方法利用自动语料库构建来降低成本和时间。
-
新AI方法在无强假设下学习视觉表示
研究人员引入了视觉时间差（TDV），一种新的视频自监督学习范式，旨在减少对强归纳偏置的依赖。与使用增强或掩码的现有方法不同，TDV假设过去导致未来，训练图像和运动编码器来预测下一帧的表示。这种方法在密集空间任务上匹配了最先进的性能，而无需强假设，这表明了一条通往以更少固有偏见进行大规模表示学习的道路。
-
三维MRI分割框架揭示二维与三维模型不同的优化需求
研究人员开发了一种新颖的弱监督学习框架，用于分割三维MRI数据，解决了体积标注有限的挑战。他们的研究表明，对二维模型有益的技术，如强空间增强和软标签，在应用于基于伪标签训练的三维模型时会降低性能。此外，以人为中心的预处理，如对比度增强，可能会通过破坏全局统计线索而对三维模型的准确性产生负面影响。