Aktiivne õppimine isejuhendatud õppimisega
Aktiivne õppimine koos isejuhendatud õppimisega kasutab märgistamata andmeid isejuhendatud eelõppe kaudu rikkalike representatsioonide loomiseks, seejärel kasutab aktiivset päringustrateegiat kõige informatiivsemate näidete valimiseks inimlikuks märgistamiseks, maksimeerides mudeli jõudlust piiratud märgistamise eelarvega. See hübriidlähenemisviis on eriti võimas, kui märgistatud andmeid on vähe, kuid suuri märgistamata andmemahte on olemas.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- Bengar, J. Z., van de Weijer, J., Fuentes, L. L., & Raducanu, B. (2022). Class-Balanced Active Learning for Image Classification. Proceedings of the IEEE/CVF Winter Conference on Applications of Computer Vision (WACV), 3082–3091. link ↗
- Wang, K., Zhang, D., Li, Y., Zhang, R., & Lin, L. (2016). Cost-Effective Active Learning for Deep Image Classification. IEEE Transactions on Circuits and Systems for Video Technology, 27(12), 2591–2600. DOI: 10.1109/TCSVT.2016.2589879 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Active Learning with Self-supervised Representation Learning. ScholarGate. https://scholargate.app/et/machine-learning/active-learning-self-supervised-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.
- Aktiivne õppimineMasinõpe↔ compare
- Väheste näidistega õppimineMasinõpe↔ compare
- Veebipõhine õpeMasinõpe↔ compare
- Enesest juhendav õppimineMasinõpe↔ compare
- Poolitatud järelevalvega õppimineMasinõpe↔ compare
- ÜlekandeõpeMasinõpe↔ compare
Märkasid sellel lehel viga? Teata sellest või paku parandust →