科研之友
微信
新浪微博
Facebook
分享链接
摘要
多示例学习是一种典型的弱监督学习框架，其样本示例包是一种集合类型数据，学习过程只需要包的粗粒度类别标记，能较好适应较难获得细粒度标记的应用问题。随着近几年深度学习的快速发展，深度多示例学习逐渐引起了研究者的兴趣。对多示例学习算法的研究进展进行综述，首先依据算法的层次结构将其划分为浅层模型和深度模型；然后对两类模型的相关算法进行回顾和总结，重点分析深度多示例学习模型在池化方式上的差别，并阐述以集合型数据为训练样本的模型所需满足的对称函数基本定理及其在深度多示例学习中的应用；最后通过实验对比分析不同算法的性能，且着重剖析其可解释性，并指明未来有待深入研究的问题。
- 单位
