Eneseteadlik aktiivõpe
Eneseteadlik aktiivõpe (SSL-AL) on märgistuse-efektiivne masinõppe paradigma, mis eelkoolitab mudeli märgistamata andmetel, kasutades eneseteadlikke eesmärke, seejärel pärib strateegiliselt inimeselt oraaklilt kõige informatiivsemad märgised, kasutades aktiivõppe hankimisfunktsiooni. Tulemuseks on tugev ennustav jõudlus murdosaga märgistamiskuludest, mida täielikult juhendatud lähenemisviisid nõuavad.
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., 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 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Self-supervised Active Learning (SSL-AL hybrid label-efficient framework). ScholarGate. https://scholargate.app/et/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.
- Aktiivne õppimineMasinõpe↔ compare
- Siltide levitamineMasinõpe↔ compare
- Enesest juhendav õppimineMasinõpe↔ compare
- Poolitatud järelevalvega õppimineMasinõpe↔ compare
- ÜlekandeõpeMasinõpe↔ compare
Märkasid sellel lehel viga? Teata sellest või paku parandust →