搜索结果: 1-6 共查到“人工智能 e-Training”相关记录6条 . 查询时间(0.147 秒)
Academy of Mathematics and Systems Science, CAS Colloquia & Seminars：Accelerating Decentralized Deep Training with Sparse and Effective Topologies
稀疏有效 拓扑加速 分散式 深度训练
2023/11/9
Decentralized optimization algorithms save remarkable communication overheads in distributed deep learning since each node averages locally with neighbors. The network topology connecting all nodes de...
The synergy of education and technology can transform the world we live in. A virtual experience is usually achieved by feeding sensory information to a user via virtual displays (head mounted display...
Maximum Rank Correlation Training for Statistical Machine Translation
Maximum Rank Correlation Training Statistical Machine Translation
2011/4/22
We propose Maximum Ranking Correlation (MRC) as an objective function in discrimi-native tuning of parameters in a linear model of Statistical Machine Translation (SMT). We try to maximize the ranking...
基于Tri-training的半监督SVM
半监督学习 协同训练 Tri-training
2009/9/30
当前机器学习面临的主要问题之一是如何有效地处理海量数据，而标记训练数据是十分有限且不易获得的。提出了一种新的半监督SVM算法，该算法在对SVM训练中，只要求少量的标记数据，并能利用大量的未标记数据对分类器反复的修正。在实验中发现，Tri-training的应用确实能够提高SVM算法的分类精度，并且通过增大分类器间的差异性能够获得更好的分类效果，所以Tri-training对分类器的要求十分宽松，通...
基于Co-Training的协同目标跟踪
目标跟踪 联合训练 半监督学习
2009/8/13
运动目标跟踪是计算机视觉的核心问题之一，广泛应用于诸多领域。该文提出一种基于Co-Training半监督学习框架的目标跟踪方法。该方法融合2种互相独立的特征信息来描述目标模型，采用Co-Training来协同更新模型，有效避免了现有方法的误差累积问题。实验结果证明，该方法在复杂场景下仍能实现稳定有效的跟踪。
基于Self-training和Web的术语翻译系统
术语翻译 self-training机制 机器学习
2009/8/10
现有基于模式的术语翻译系统存在2个主要缺点，即学习过程依赖人工标定语料和缺乏对模式的评分以及对候选术语的评分太简单。该文将self-training学习机制引入术语翻译系统，在一对训练语料上完成初始学习，在实际运行中自动选择可靠程度较高的术语重新训练，以改进系统性能。该系统中增加了对模式的评分，利用启发规则，扩充了候选术语的评分方法。实验结果表明，改进后系统的性能高于原有系统。