Robustní aktivní učení
Robustní aktivní učení rozšiřuje standardní rámec aktivního učení tak, aby zvládal šum v označeních, adverzní perturbace a nespolehlivé orákulum. Místo předpokladu dokonalého označování začleňuje do procesu výběru dotazů statistické záruky nebo záruky robustnosti vůči adverzním útokům, čímž zachovává efektivitu vzorků a zároveň toleruje poškození v procesu anotace.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Balcan, M.-F., Beygelzimer, A., & Langford, J. (2006). Agnostic active learning. In Proceedings of the 23rd International Conference on Machine Learning (ICML 2006), pp. 65–72. ACM. DOI: 10.1145/1143844.1143853 ↗
- Settles, B. (2009). Active Learning Literature Survey. Computer Sciences Technical Report 1648, University of Wisconsin–Madison. link ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Robust Active Learning (Noise-Tolerant Query-Based Learning). ScholarGate. https://scholargate.app/cs/machine-learning/robust-active-learning
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.
- Aktivní učeníStrojové učení↔ compare
- Učení s malým počtem příkladůStrojové učení↔ compare
- Online LearningStrojové učení↔ compare
- Robustní náhodný les (Robust Random Forest)Strojové učení↔ compare
- Robustní Support Vector MachineStrojové učení↔ compare
- Semisupervisední učeníStrojové učení↔ compare
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →