Machine learningMachine learning

عملية غاوس النشطة

تجمع عملية غاوس النشطة (GP-AL) بين نموذج احتمالي لعملية غاوس واستراتيجية استعلام التعلم النشط، باستخدام عدم اليقين اللاحق لعملية غاوس لاختيار الأمثلة غير المسماة الأكثر إفادة للتسمية. يقلل هذا النهج التكراري من جهد التسمية مع زيادة دقة التنبؤ إلى أقصى حد، مما يجعله مثاليًا عندما تكون البيانات المسماة نادرة أو باهظة الثمن للحصول عليها.

افتح في MethodMindقريبًافيديوقريبًاDownload slides

اقرأ الطريقة كاملة

للأعضاء فقط

سجّل الدخول بحساب مجاني لقراءة هذا القسم.

تسجيل الدخول

Method map

The neighbourhood of related methods — select a node to explore.

المصادر

  1. MacKay, D. J. C. (1992). Information-based objective functions for active data selection. Neural Computation, 4(4), 590–604. DOI: 10.1162/neco.1992.4.4.590
  2. Settles, B. (2012). Active Learning. Synthesis Lectures on Artificial Intelligence and Machine Learning. Morgan & Claypool. link

كيف تستشهد بهذه الصفحة

ScholarGate. (2026, June 3). Active Learning with Gaussian Process (GP-AL). ScholarGate. https://scholargate.app/ar/machine-learning/active-learning-gaussian-process

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

يُستشهد بها في

ScholarGateActive learning Gaussian process (Active Learning with Gaussian Process (GP-AL)). استُرجع بتاريخ 2026-06-15 من https://scholargate.app/ar/machine-learning/active-learning-gaussian-process · مجموعة البيانات: https://doi.org/10.5281/zenodo.20539026