Ενεργή Μάθηση με Αυτο-εποπτεία
Η Ενεργή Μάθηση με Αυτο-εποπτεία (SSL-AL) είναι ένα παράδειγμα μηχανικής μάθησης με αποδοτικότητα ως προς τις ετικέτες, το οποίο προ-εκπαιδεύει ένα μοντέλο σε μη επισημασμένα δεδομένα χρησιμοποιώντας αυτο-εποπτευόμενους στόχους, και στη συνέχεια αναζητά στρατηγικά από έναν ανθρώπινο ομιλητή τις πιο πληροφοριακές ετικέτες χρησιμοποιώντας μια συνάρτηση απόκτησης ενεργής μάθησης. Το αποτέλεσμα είναι ισχυρή προβλεπτική απόδοση με ένα κλάσμα του κόστους σχολιασμού που απαιτείται από πλήρως επιβλεπόμενες προσεγγίσεις.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
Πηγές
- Bengar, J. Z., van de Weijer, J., Twardowski, B., & Raducanu, B. (2021). Reducing Label Effort: Self-Supervised Meets Active Learning. In Proceedings of the IEEE/CVF International Conference on Computer Vision Workshops (ICCVW), pp. 1631–1639. link ↗
- Zhan, X., Wang, Q., Huang, K.-H., Xiong, H., Dou, D., & Chan, A. B. (2022). A comparative survey of deep active learning. arXiv preprint arXiv:2203.13450. link ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). Self-supervised Active Learning (SSL-AL hybrid label-efficient framework). ScholarGate. https://scholargate.app/el/machine-learning/self-supervised-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.
- Ενεργή ΜάθησηΜηχανική Μάθηση↔ compare
- Διάδοση ΕτικετώνΜηχανική Μάθηση↔ compare
- Αυτο-εποπτευόμενη ΜάθησηΜηχανική Μάθηση↔ compare
- Ημι-επιβλεπόμενη ΜάθησηΜηχανική Μάθηση↔ compare
- Εκμάθηση μεταφοράςΜηχανική Μάθηση↔ compare
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →