Aprendizaje Activo Robusto
El Aprendizaje Activo Robusto extiende el marco estándar del aprendizaje activo para manejar etiquetas ruidosas, perturbaciones adversariales y oráculos poco fiables. En lugar de asumir un etiquetado perfecto, incorpora garantías estadísticas o de robustez adversarial en el proceso de selección de consultas, manteniendo la eficiencia de la muestra mientras tolera la corrupción en el proceso de anotación.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Robust Active Learning (Noise-Tolerant Query-Based Learning). ScholarGate. https://scholargate.app/es/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.
- Aprendizaje activoAprendizaje automático↔ compare
- Aprendizaje con Pocos EjemplosAprendizaje automático↔ compare
- Aprendizaje en líneaAprendizaje automático↔ compare
- Robust Random ForestAprendizaje automático↔ compare
- Máquina de Vectores de Soporte RobustaAprendizaje automático↔ compare
- Aprendizaje semisupervisadoAprendizaje automático↔ compare
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →