|
- 如何理解 inductive learning 与 transductive learning? - 知乎
Inductive learning对应于 meta-learning (元学习)，要求从诸多给定的任务和数据中学习通用的模式，迁移到未知的任务和数据上。 Transductive learning对应于 domain adaptation (领域自适应)，给定训练的数据包含了目标域数据，要求训练一个对目标域数据有最小误差的模型。
- 如何理解 inductive learning 与 transductive learning? - 知乎
Inductive learning是Specific -> General，由已知的训练数据推及到通用的场景。 举个类比的例子，你从某些书上看到了一些知识，自我总结了通用的规律，推广到更大的场景应用。 比如牛顿观察到了苹果从树上掉下来这个事情，总结归纳出万有引力定律，推广到世间万物上。
- 逻辑学中演绎 (deductive)与推理 (inferential)有什么区别和联系？ - 知乎
1 先看定义 演绎论证：必然来自前提-如果前提是正确的，那么结论是正确的。 Deductive Argument: necessarily follows from the premises - if the premises are true, the conclusion is true 归纳论证：前提在一定程度上支持结论 Inductive argument: conclusion is supported, to a greater degree or lesser degree, by the premises
- 为什么GAT能够实现Inductive learning，而GCN不行？ - 知乎
GAT的这种特性使其在理论上更适合于inductive learning。 GAT的设计使其天然适合inductive learning。 GCN 虽然依赖于固定的图结构，但通过适当的修改（如图池化技术或灵活的节点特征表示），它也可以在一定程度上处理新的图结构，从而进行inductive learning。
- 如何深入浅出地解释「诱导效应」？ - 知乎
来简单说说我是 如何给高中生形象地解释“正诱导效应” （positive inductive effect）的，这部分的知识点出现在一些国际高中的课程中，属于大学预科课程（如英国A-LEVEL）的一部分。
- Coq中的Inductive简单学习分享 - 知乎
在Coq中Inductive是可以理解为公理般的存在，是之后进行形式化描述的基础与根源，它一般由三部分构成：归纳的类型名，归纳的类型和构造子。 【详见 reference manual 1 3 3】 1）归纳的类型名称：顾名思义就是要新定义的这个类型名；
- 为什么GCN是Transductive的? - 知乎
Inductive学习指的是训练出来的模型可以适配节点已经变化的测试集，但GCN由于卷积的训练过程涉及到邻接矩阵、度矩阵（可理解为拉普拉斯矩阵），节点一旦变化，拉普拉斯矩阵随之变化，也就是你说的需要“重新计算前面的归一化矩阵”，然后重新训练模型，不能“活学活用”，所以是Transductive的
- 深度学习的归纳偏置是什么？ - 知乎
Wikipedia 对于归纳偏置（inductive bias）的解释是 The inductive bias (also known as learning bias) of a learning algorithm is the set of assumptions that the learner uses to predict outputs of given inputs that it has not encountered [1]
|
|
|