یادگیری فعال فرایند گوسی (GP-AL)
یادگیری فعال فرایند گوسی (GP-AL) یک مدل احتمالی فرایند گوسی را با یک استراتژی پرسوجوی یادگیری فعال ترکیب میکند و از عدم قطعیت پسین GP برای انتخاب آموزندهترین نمونههای بدون برچسب برای برچسبگذاری استفاده مینماید. این رویکرد تکراری، تلاش برچسبگذاری را به حداقل رسانده و در عین حال دقت پیشبینی را به حداکثر میرساند، که آن را در مواردی که دادههای برچسبدار کمیاب یا بهدستآوردن آنها پرهزینه است، ایدهآل میسازد.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Active Learning with Gaussian Process (GP-AL). ScholarGate. https://scholargate.app/fa/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.
- یادگیری فعالیادگیری ماشین↔ compare
- فرایند گاوسی بیزییادگیری ماشین↔ compare
- فرایند گوسییادگیری ماشین↔ compare
- فرایند گوسی نیمهنظارتشدهیادگیری ماشین↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →