التعلم المتعدد المثيلات البايزية المتغيرة باستخدام العمليات الغوسية
| العنوان | التعلم المتعدد المثيلات البايزية المتغيرة باستخدام العمليات الغوسية |
|---|---|
| المؤلف | هوسمان، M.، هامبريخت، F. A.، كانديمير، مليح |
| تاريخ النشر: | 2017 |
| مكان النشر | - IEEE |
| الموضوع | طرق بايز، السرطان، خوارزمية تعظيم التوقعات، العمليات الغوسية، تصنيف الصور، التعلم (الذكاء الاصطناعي)، اكتشاف الأشياء، تصنيف الأنماط، الأورام |
| النوع | وثيقة |
| اللغة | الإنجليزية |
| رقمي | نعم |
| مخطوط | لا |
| المكتبة: | جامعة اوزيجين |
| معرف أصل المكتبة | 978-1-5386-0457-1 |
| رقم السجل | fda540fa-58ee-4642-8ae2-e944e68ae256 |
| موقع المكتبة | علوم الكمبيوتر |
| التاريخ | 2017 |
| ملاحظات | نظرًا لقيود حقوق الطبع والنشر، فإن الوصول إلى النص الكامل لهذه المقالة متاح فقط عبر الاشتراك. |
| نص عينة | تعتبر العمليات الغوسية (GPs) بمثابة تنبؤات بايزي فعالة. نعرض هنا لأول مرة أنه يمكن استنتاج تسميات المثيلات لمصنف GP في إعداد التعلم متعدد المثيلات (MIL) باستخدام Bayes المتغير. نحقق ذلك من خلال بناء جديد لاحتمالية الحقيبة التي تفترض قيمة كبيرة إذا كانت تنبؤات المثيل تخضع لقيود MIL وقيمة صغيرة بخلاف ذلك. يتيح لنا هذا البناء استخلاص قواعد التحديث للمعلمات المتغيرة بشكل تحليلي، مما يضمن التعلم القابل للتطوير والتقارب السريع. نحن نلاحظ هذا النموذج لتحسين أحدث ما توصلت إليه التكنولوجيا في التنبؤ بالعلامة على سبيل المثال من الإشراف على مستوى الحقيبة في معيار 20 مجموعة أخبار، وكذلك في توطين ورم سرطان باريتس من صور المصفوفة الدقيقة لأنسجة التشريح المرضي. علاوة على ذلك، فإننا نقدم مسارًا جديدًا لاكتشاف الكائنات الخاضعة للإشراف الضعيف، والذي يتم استكماله بشكل طبيعي بنموذجنا، مما يعمل على تحسين أحدث ما توصلت إليه مجموعات بيانات PASCAL VOC 2007 و2012. أخيرًا وليس آخرًا، يمكن تعزيز أداء نموذجنا بشكل أكبر باستخدام الإشراف المختلط: مزيج من التصنيفات الضعيفة (الحقيبة) والقوية (المثال). |
| DOI | 10.1109/CVPR.2017.93 |
