半监督学习能否减少有效射电星系形态分类所需的手动标注量？
星系天体物理
2022-02-02 v4 机器学习
摘要
在这项工作中，我们检验了最先进的半监督学习（SSL）算法应用于现代射电天文学形态分类时的鲁棒性。我们测试 SSL 在使用少得多的标注数据点时是否能达到当前有监督最优性能，以及这些结果是否能推广到使用真正无标注数据。我们发现，尽管 SSL 提供了额外的正则化，但在使用极少标签时其性能迅速退化，且使用真正无标注数据会导致性能显著下降。
引用
@article{arxiv.2111.04357,
title = {Can semi-supervised learning reduce the amount of manual labelling required for effective radio galaxy morphology classification?},
author = {Inigo V. Slijepcevic and Anna M. M. Scaife},
journal= {arXiv preprint arXiv:2111.04357},
year = {2022}
}
备注
Accepted in: Fourth Workshop on Machine Learning and the Physical Sciences (35th Conference on Neural Information Processing Systems; NeurIPS2021); final version