Deutsch
 
Hilfe Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

 
 
DownloadE-Mail
  Learning with Local and Global Consistency

Zhou, D., Bousquet, O., Lal, T., Weston, J., & Schölkopf, B. (2004). Learning with Local and Global Consistency. Advances in Neural Information Processing Systems, 321-328.

Item is

Externe Referenzen

einblenden:

Urheber

einblenden:
ausblenden:
 Urheber:
Zhou, D1, Autor           
Bousquet, O1, Autor           
Lal, TN1, Autor           
Weston, J1, Autor           
Schölkopf, B1, Autor           
Thrun, Herausgeber
S., Herausgeber
Saul, L.K., Herausgeber
Schölkopf, B., Herausgeber
Affiliations:
1Department Empirical Inference, Max Planck Institute for Biological Cybernetics, Max Planck Society, ou_1497795              

Inhalt

einblenden:
ausblenden:
Schlagwörter: -
 Zusammenfassung: We consider the general problem of learning from labeled and unlabeled data, which is often called semi-supervised learning or transductive inference. A principled approach to semi-supervised learning is to design a classifying function which is sufficiently smooth with respect to the intrinsic structure collectively revealed by known labeled and unlabeled points. We present a simple algorithm to obtain such a smooth solution. Our method yields encouraging experimental results on a number of classification problems and demonstrates effective use of unlabeled data.

Details

einblenden:
ausblenden:
Sprache(n):
 Datum: 2004-06
 Publikationsstatus: Erschienen
 Seiten: -
 Ort, Verlag, Ausgabe: -
 Inhaltsverzeichnis: -
 Art der Begutachtung: -
 Identifikatoren: ISBN: 0-262-20152-6
URI: http://nips.cc/Conferences/2003/
BibTex Citekey: 2333
 Art des Abschluß: -

Veranstaltung

einblenden:
ausblenden:
Titel: Seventeenth Annual Conference on Neural Information Processing Systems (NIPS 2003)
Veranstaltungsort: Vancouver, BC, Canada
Start-/Enddatum: -

Entscheidung

einblenden:

Projektinformation

einblenden:

Quelle 1

einblenden:
ausblenden:
Titel: Advances in Neural Information Processing Systems
Genre der Quelle: Zeitschrift
 Urheber:
Affiliations:
Ort, Verlag, Ausgabe: Cambridge, MA, USA : MIT Press
Seiten: - Band / Heft: - Artikelnummer: - Start- / Endseite: 321 - 328 Identifikator: -