Aktiivne õppimine Gaussi protsessiga
Aktiivne õppimine Gaussi protsessiga (GP-AL) ühendab Gaussi protsessi tõenäosusmudeli aktiivse õppimise päringustrateegiaga, kasutades GP sisemist ebakindlust, et valida kõige informatiivsemad märgistamata näited märgistamiseks. See iteratiivne lähenemisviis minimeerib märgistamise pingutust, maksimeerides samal ajal ennustamise täpsust, muutes selle ideaalseks, kui märgistatud andmed on napid või kallid hankida.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- 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 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Active Learning with Gaussian Process (GP-AL). ScholarGate. https://scholargate.app/et/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.
- Aktiivne õppimineMasinõpe↔ compare
- Bayesian Gaussian ProcessMasinõpe↔ compare
- Gaussi protsessMasinõpe↔ compare
- Poolitatud Gaussi protsessMasinõpe↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →