待验证50% 置信事实精确时间
Mean Teacher方法引入了指数移动平均（EMA）更新的教师网络以使伪标签质量更稳定
1
来源数
50%
置信度
长期有效
时效性
2026/7/12
首次发现
来源
YOLOv8引入一致性正则化：原理、实践与性能权衡
redditr/learnmachinelearning2026/7/11
相关事实
待验证Mean Teacher 方法引入 EMA 更新的教师网络，更新规则为 θ_teacher = α·θ_teacher + (1-α)·θ_student，其中 α 通常取 0.999 左右80% 相似待验证Google的Noisy Student Training在2020年前后展示了用教师模型生成伪标签来训练学生模型的有效性59% 相似待验证主流观点认为教师将从知识传递者转型为学习引导者与AI使用的伦理示范者56% 相似待验证CS229 是由 Andrew Ng 创建的研究生级别机器学习课程，讲义涵盖从广义线性模型到 EM 算法、从核方法到强化学习的内容55% 相似待验证2022年吴恩达在Coursera更新推出了新版机器学习专项课程，融入了偏差-方差权衡、误差分析等模型调优方法论54% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/494827API
curl https://kongchang.com/api/v1/knowledge/claims/494827MCP
get_claim(id=494827)