No está subrepresentado. Hay muchos documentos sobre esto, demasiados para enumerar en una respuesta de Quora. Podría decirse que es una de las mayores áreas de investigación actuales. Pero aquí hay algunos excelentes con los que puede comenzar:
- Predicción de objetos estructurados con máquinas de vectores de soporte por Thorsten Joachims, Thomas Hofmann, Yisong Yue y Chun-nam Yu
- Formación en plano de corte de SVM estructurales, aprendizaje automático por T. Joachims, T. Finley, Chun-Nam Yu
- Máquinas ocultas de vectores de soporte de Markov por Y. Altun, I. Tsochantaridis, T. Hofmann
- Un método primal-dual para campos aleatorios de Markov de múltiples capas de orden superior por Alexander Fix, Chen Wang, Ramin Zabih
Y aquí hay algunos grandes libros sobre el tema:
- Predicción estructurada y aprendizaje en visión artificial por Sebastian Nowozin y Christoph H. Lampert
- Predicción de datos estructurados por Gökhan BakIr, Thomas Hofmann, Bernhard Schölkopf, Alexander J. Smola, Ben Taskar y SVN Vishwanathan
Y finalmente, aquí hay dos bibliotecas de aprendizaje automático (ambas publicadas en el Journal of Machine Learning Research) con un énfasis significativo en el aprendizaje de objetos con estructura compleja:
- ¿Qué métodos de aprendizaje automático lo llevarán al top 10 de las competencias de kaggle?
- Si IBM introduce el aprendizaje automático en z / OS, ¿qué significará eso para un desarrollador de mainframe?
- ¿Qué algoritmo utiliza AutoDraw de Google para asociar nuestro dibujo con uno existente?
- ¿Qué documentos debo leer si quiero entender bien los métodos Bayesianos Variacionales?
- ¿Existe alguna directriz para diseñar redes neuronales en términos de número de capas ocultas, número de unidades ocultas, tamaño de filtro (CNN) y paso de tiempo (RNN)?
- dlib – Aprendizaje automático
- PyStruct – Aprendizaje estructurado en Python
