×
蒂亚戈·克里斯蒂亚诺·席尔瓦;赵亮

通过竞争学习检测和防止错误传播。 （英语） Zbl 1296.68144号

神经网络。 41, 70-84 (2013).
摘要：半监督学习是一种机器学习方法，能够在训练过程中同时使用标记样本和未标记样本。它是自治系统的一个重要机制，因为它能够利用已经获得的信息，同时在学习空间中探索新知识。在这些情况下，标签的可靠性是一个关键因素，因为标签错误的样本可能会将错误的标签传播到部分甚至整个数据集。本文的目的是通过提出一种嵌入在基于网络（基于图形）的半监督学习方法中的机制来解决这些错误标记样本引起的错误传播问题。这种过程基于由输入数据集构造的网络中粒子的组合随机-前向游动。同一类的粒子相互合作，而不同类的粒子互相竞争，将类标签传播到整个网络。对合成数据集和真实数据集进行的计算机模拟表明了该模型的有效性。

引用于1文件

MSC公司：

68T05型 人工智能中的学习和自适应系统

关键词：

随机竞争学习;半监督学习;误差传播;随机游走;优先步行;复杂网络

软件：

UCI-毫升;SGT灯;PRMLT公司
PDF格式BibTeX公司 XML格式引用
\textit{T.C.Silva}和\textit{L.Zhao}，神经网络。41、70-84（2013年；Zbl 1296.68144）
全文： 内政部

参考文献：

[1] 阿加瓦尔，C。；Yu，P.，《不确定数据算法和应用的调查》，IEEE知识与数据工程汇刊，21，5，609-623（2009）
[2] Alpaydin，E.，《机器学习导论》（2004），麻省理工学院出版社
[3] 阿米尼，M.-R。；Gallinari，P.，《使用明确错误分类建模的半监督学习》（IJCAI'03：第18届国际人工智能联合会议记录（2003），摩根考夫曼出版社：摩根考夫曼出版社，美国加利福尼亚州旧金山），555-560
[4] 阿米尼，M.-R。；Gallinari，P.，《监督员不完善的半监督学习》，《知识与信息系统》，第8、4、385-413页（2005年）
[5] 贝尔金，M。；马特维娃，I。；Niyogi，P.，大图的正则化和半监督学习（学习理论会议（2004），Springer），624-638·Zbl 1078.68685号
[6] 贝尔金，M。；P.、N。；Sindhwani，V.，《关于多方面规范化》（第十届人工智能和统计国际研讨会论文集，第十届国际人工智能和统计学研讨会论文集），AISTAT 2005（2005），人工智能和统计学会：新泽西人工智能和统计学学会），17-24
[7] Bishop，C.M.，模式识别和机器学习（2006），Springer·Zbl 1107.68072号
[8] Blum，A。；Chawla，S.，《使用图切割从标记和未标记数据中学习》，（第十八届机器学习国际会议论文集（2001年），Morgan Kaufmann:Morgan Koufmann San Francisco），19-26
[10] （Chapelle，O.；Schölkopf，B.；Zien，A.，《半监督学习、自适应计算和机器学习》（2006），麻省理工学院出版社：麻省理学院出版社，美国马萨诸塞州剑桥）
[11] Cios，K.J。；佩德里茨，W。；Swiniarski，R.W。；Kurgan，L.A.，《数据挖掘：知识发现方法》（2007），Springer·Zbl 1140.68056号
[12] 达农，L。；Díaz-Guilera，A。；杜赫，J。；Arenas，A.，《比较群落结构识别》，《统计力学杂志：理论与实验》，9，P09008（2005）
[13] Demšar，J.，多数据集上分类器的统计比较，机器学习研究杂志，7，1-30（2006）·Zbl 1222.68184号
[15] Girvan，M。；Newman，M.，《社会和生物网络中的社区结构》，《美利坚合众国国家科学院院刊》，99，12，7821-7826（2002）·Zbl 1032.91716号
[16] Grady，L.，图像分割的随机行走，IEEE模式分析和机器智能汇刊，28，11，1768-1783（2006）
[17] Hartono，P。；Hashimoto，S.，《从不完美数据中学习》，应用软计算，7，1，353-363（2007）
[18] 辛顿，G.E。；Sejnowski，T.J.，《无监督学习：神经计算的基础》（1999），麻省理工学院出版社
[19] Joachims，T.，《通过谱图分割的传递学习》（机器学习国际会议论文集（2003），AAAI出版社），290-297
[20] Lancichinetti，A。；福图纳托，S。；Radicchi，F.，《测试社区检测算法的基准图》，《物理评论》E，78，4，046110（2008），（1-5）
[21] Mitchell，T.，《机器学习》（1997），麦格劳·希尔·Zbl 0913.68167号
[22] Silva，T.C。；Amancio，D.R.，《通过复杂网络中的高阶学习消除词义歧义》，《欧洲物理快报》，98，58001（2012）
[23] Silva，T.C。；Zhao，L.，基于网络的高级数据分类，IEEE神经网络和学习系统汇刊，23，6954-970（2012）
[24] Silva，T.C。；Zhao，L.，复杂网络中模块性度量引导的半监督学习，神经计算，78，1，30-37（2012）
[25] Silva，T.C。；Zhao，L.，基于网络的随机半监督学习，IEEE神经网络和学习系统汇刊，23，3，451-466（2012）
[26] Silva，T.C。；赵，L.，复杂网络中的随机竞争学习，IEEE神经网络和学习系统汇刊，23，3，385-398（2012）
[27] 席尔瓦，T.C。；赵，L。；Cupertino，T.H.，《使用网络中的代理竞争进行手写数据聚类》，《数学成像与视觉杂志》（2012年）
[30] Wang，F。；李·T。；王，G。；Zhang，C.，使用局部和全局正则化的半监督分类，（AAAI'08：第23届全国人工智能会议记录（2008），AAAI出版社），726-731
[31] Wang，F。；Zhang，C.，线性邻域中的标签传播，IEEE知识与数据工程汇刊，20，1，55-67（2008）
[32] Witten，I.H。；Frank，E.，《数据挖掘：实用机器学习工具和技术》（2005），Morgan Kauffman·Zbl 1076.68555号
[33] 沃尔夫·R。；巴杜里，K。；Kargupta，H.，大型分布式系统中挖掘数据流的通用局部算法，IEEE知识与数据工程汇刊，21，4，465-478（2009）
[35] 周，D。；O.布斯克。；Lal，T.N。；韦斯顿，J。；Schölkopf，B.，《局部和全局一致性学习》，（神经信息处理系统进展，第16卷（2004），麻省理工学院出版社），321-328
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。