Robuust Metriek Leren
Robuust Metriek Leren leert een Mahalanobis-afstandsfunctie uit gelabelde of paarsgewijs beperkte gegevens, terwijl het actief weerstand biedt aan de vervorming veroorzaakt door ruisige labels, gecorrumpeerde voorbeelden of uitschieters. Door standaard scharnier- of kwadratische verliezen te vervangen door robuuste alternatieven en regularisatie toe te voegen, produceert het een afstandsmetriek die goed generaliseert, zelfs wanneer de trainingsset onvolmaakt is — een veelvoorkomende situatie in wetenschappelijke en toegepaste taken in de echte wereld.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- Shen, C., Kim, J., Wang, L., & van den Hengel, A. (2012). Positive Semidefinite Metric Learning Using Boosting-like Algorithms. Journal of Machine Learning Research, 13, 1007–1036. link ↗
- Cao, Q., Guo, Z.-C., & Ying, Y. (2012). Generalization Bounds for Metric and Similarity Learning. Machine Learning, 102(1), 115–132. link ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Robust Metric Learning (Outlier-Resistant Distance Metric Learning). ScholarGate. https://scholargate.app/nl/machine-learning/robust-metric-learning
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Few-shot LearningMachine learning↔ compare
- Metrische LerenMachine learning↔ compare
- Robuuste Lineaire RegressieMachine learning↔ compare
- Robuuste Support Vector MachineMachine learning↔ compare
- Semi-supervised Metric LearningMachine learning↔ compare
Een fout op deze pagina gezien? Meld het of stel een correctie voor →