অ্যাক্টিভ লার্নিং গাউসিয়ান প্রসেস
অ্যাক্টিভ লার্নিং গাউসিয়ান প্রসেস (GP-AL) একটি গাউসিয়ান প্রসেস সম্ভাব্যতা মডেলকে একটি অ্যাক্টিভ লার্নিং কোয়েরি কৌশলের সাথে একত্রিত করে, লেবেল করার জন্য সবচেয়ে তথ্যপূর্ণ লেবেলবিহীন উদাহরণগুলি নির্বাচন করতে GP-এর পোস্টেরিয়র অনিশ্চয়তা ব্যবহার করে। এই পুনরাবৃত্তিমূলক পদ্ধতিটি লেবেলিংয়ের প্রচেষ্টা কমিয়ে দেয় এবং ভবিষ্যদ্বাণীমূলক নির্ভুলতা সর্বাধিক করে তোলে, যা লেবেলযুক্ত ডেটা দুষ্প্রাপ্য বা প্রাপ্ত করা ব্যয়বহুল হলে এটি আদর্শ।
পুরো পদ্ধতিটি পড়ুন
এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।
Method map
The neighbourhood of related methods — select a node to explore.
উৎস
- 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 ↗
- Settles, B. (2012). Active Learning. Synthesis Lectures on Artificial Intelligence and Machine Learning. Morgan & Claypool. link ↗
এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন
ScholarGate. (2026, June 3). Active Learning with Gaussian Process (GP-AL). ScholarGate. https://scholargate.app/bn/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.
- সক্রিয় শিখন (Active Learning)যন্ত্র শিখন↔ compare
- Bayesian Gaussian Processযন্ত্র শিখন↔ compare
- গাউসিয়ান প্রসেসযন্ত্র শিখন↔ compare
- Semi-supervised Gaussian Processযন্ত্র শিখন↔ compare
যেখানে উদ্ধৃত
এই পৃষ্ঠায় কোনো ত্রুটি চোখে পড়েছে? জানান বা সংশোধনের প্রস্তাব দিন →