H11-M08_DOC.zip
From the dataset abstract
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
Additional Information
| Field | Value |
|---|---|
| Data last updated | October 4, 2023 |
| Metadata last updated | October 4, 2023 |
| Created | October 4, 2023 |
| Format | application/zip |
| License | Other (Non-Commercial) |
| created | over 2 years ago |
| format | ZIP |
| id | f563fd6a-ad4d-4793-96f4-e6e5cad1bed6 |
| last modified | over 2 years ago |
| md5 | aaf6a655b76f501d96917de2e33079f1 |
| mimetype | application/zip |
| on same domain | True |
| package id | 6461a428-dcdb-432e-bb23-11024aaf1024 |
| proxy url | https://scidm.nchc.org.tw/en/dataset/6461a428-dcdb-432e-bb23-11024aaf1024/resource/f563fd6a-ad4d-4793-96f4-e6e5cad1bed6/nchcproxy/H11-M08_DOC.zip |
| revision id | cc39f213-b4f3-4998-8d9b-21726042a61b |
| sha256 | 94e49cd2a942bc06f2eac6cd9ac142753154535ff70513c3777c18a75318e527 |
| size | 148.2 KiB |
| state | active |
| url type | upload |
推薦資料集：