深度学习常见学习方式

强监督(有监督)

训练集中每个数据都有标签，即标准答案

弱监督

已知数据和其一一对应的弱标签，训练一个智能算法，将输入数据映射到一组更强的标签的过程。使用有限的、含有噪声的或者标注不准确的数据来进行模型参数的训练

可以分为三种典型的类型，不完全监督（Incomplete supervision），不确切监督（Inexact supervision），不精确监督（Inaccurate supervision）。

自监督

数据能够提供监督信息的一种无监督学习方式，pretext任务无标签训练，fin-tuning（微调）使用标签训练

半监督

已知数据和部分数据一一对应的标签，有一部分数据的标签未知，训练一个智能算法，学习已知标签和未知标签的数据，将输入数据映射到标签的过程

无监督

已知数据不知道任何标签，按照一定的偏好和规律，经过训练使得网络能将所有的数据映射到多个不同标签。

迁移学习

使我们在他人训练过的模型基础上进行小改动便可投入使用。

强化学习

在没有人为指导的情况下，通过不断的试错来提升任务性能的过程

参考文献

[1] 深度学习：基本概要：监督，无监督，半监督，弱监督，多示例，迁移学习

[2] 浅谈弱监督学习（Weakly Supervised Learning）

[3] 引用文章标题3