半监督学习

【机器学习】机器学习的基本分类-半监督学习-Ladder NetworksLadder Networks 是一种半监督学习模型，通过将无监督学习与监督学习相结合，在标记数据较少的情况下实现高效的学习。它最初由 A. Rasmus 等人在 2015 年提出，特别适合深度学习任务，如图像分类或自然语言处理。

一文快速预览经典深度学习模型（二）——迁移学习、半监督学习、图神经网络（GNN）、联邦学习Hi，大家好，我是半亩花海。本文主要简要并通俗地介绍了几种经典的深度学习模型，如迁移学习（Transfer Learning, TL）、半监督学习（Semi-supervised Learning, SSL）、图神经网络（Graph Neural Networks, GNN）、联邦学习（Federated Learning, FL）等，便于大家初探深度学习的相关知识，并更好地理解深度学习的基础内容，为后续科研开展建立一定的基础，欢迎大家一起交流学习。

【机器学习】机器学习的基本分类-半监督学习（Semi-supervised Learning）半监督学习是一种介于监督学习和无监督学习之间的机器学习方法。它利用少量的标注数据（有监督数据）和大量的未标注数据（无监督数据）来进行模型训练，从而在标注数据不足的情况下，提升模型的性能。

新手小白勇闯新世界

半监督学习----西瓜书机器学习笔记及理解（五）需要充分可靠的领域知识生成模型用于建模数据的分布，同时利用少量的标记数据和大量的未标记数据进行训练。这种方法特别适用于标记数据稀缺但未标记数据丰富的情况。

顶呱呱程序

182基于matlab的半监督极限学习机进行聚类基于matlab的半监督极限学习机进行聚类，基于流形正则化将 ELM 扩展用于半监督，三聚类结果可视化输出。程序已调通，可直接运行。

f-VAEGAN-D2：VAE+GAN处理零样本学习问题虽然f-VAEGAN-D2在题目中说“适用任意样本”，但对比的Few-shot相关的实验较少，这里仅讨论零样本学习的情况。

解决Few-shot问题的两大方法：元学习与微调Few-shot问题或称为Few-shot学习是希望能通过少量的标注数据实现对图像的分类，是元学习(Meta-Learning)的一种。