یادگیری فعال با یادگیری خودنظارتی
یادگیری فعال ترکیبی با یادگیری خودنظارتی، از دادههای بدون برچسب از طریق پیشآموزش خودنظارتی برای ساخت نمایشهای غنی بهره میبرد، سپس از یک استراتژی پرسوجوی فعال برای انتخاب آموزندهترین نمونهها برای حاشیهنویسی انسانی استفاده میکند و عملکرد مدل را تحت یک بودجه برچسبگذاری محدود به حداکثر میرساند. این رویکرد ترکیبی بهویژه زمانی قدرتمند است که دادههای برچسبدار کمیاب باشند اما مجموعههای بزرگی از دادههای بدون برچسب وجود داشته باشند.
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
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Active Learning with Self-supervised Representation Learning. ScholarGate. https://scholargate.app/fa/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.
- یادگیری فعالیادگیری ماشین↔ compare
- یادگیری چند نمونهای (Few-shot Learning)یادگیری ماشین↔ compare
- یادگیری آنلاینیادگیری ماشین↔ compare
- یادگیری خودنظارتییادگیری ماشین↔ compare
- یادگیری نیمهنظارتشدهیادگیری ماشین↔ compare
- یادگیری انتقالییادگیری ماشین↔ compare
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →