基本信息

---

下载

文档摘要

---

基于神经网络的半监督学习方法：原理、应用与展望

一、引言

1.1研究背景与动机

在机器学习领域，数据是驱动模型发展的核心要素。传统的学习方法主要分为监督学习和无监督学习。监督学习依赖大量有标签数据进行模型训练，在数据标注充足的情况下，能够取得较高的准确性，如在图像分类任务中，若有足够多标注好类别的图像数据，监督学习模型可以准确学习到各类图像的特征从而实现精准分类。但在实际应用中，获取大规模高质量的标注数据面临诸多挑战，标注过程往往需要耗费大量的人力、物力和时间成本。以医学影像数据标注为例，需要专业的医生对影像中的病症进行标记，不仅人工成本高，而且标注效率低。

无监督学习虽然无需标注数据，能