H11-M08_CODE.zip
データセットの概要より
Method 最先進的(SOTA)方法通常是通過監督式學習來訓練的,這需要大量的labeled data。由於標記數資料需要大量的人力和時間成本,尤其是那些需要由專家來標記的資料(如醫學相關),所需要的成本更是難以負擔。Unlabeled data因為不需要標註所以取得相對容易且成本較低,因此如何能有效利用unlabeled...
Source: H11-M08_漸進式資料標註更正的自主學習模型
追加情報
フィールド | 値 |
---|---|
最終更新日 | 2023 / 10月 / 5, |
メタデータ最終更新日時 | 2023 / 10月 / 5, |
作成日 | 2023 / 10月 / 5, |
データ形式 | ZIP |
ライセンス | Other (Non-Commercial) |
Media type | application/zip |
Size | 530,700 |
format | ZIP |
has views | True |
id | 6c258082-5e8a-4da3-a99f-c4031b6453c9 |
last modified | 1 年以上前 |
md5 | 0dc0e40b2001e9c8a06be2b2ed7a752f |
on same domain | True |
package id | 6461a428-dcdb-432e-bb23-11024aaf1024 |
position | 1 |
proxy url | https://scidm.nchc.org.tw/ja/dataset/6461a428-dcdb-432e-bb23-11024aaf1024/resource/6c258082-5e8a-4da3-a99f-c4031b6453c9/nchcproxy/H11-M08_CODE.zip |
revision id | cc39f213-b4f3-4998-8d9b-21726042a61b |
sha256 | 2fced946ae373bf3f31902927582e4a13a64fe55626e5e5e82f54aa63fbe0236 |
state | active |
url type | upload |
作成日 | 1 年以上前 |
推薦資料集: