یادگیری فعال خودنظارتی
یادگیری فعال خودنظارتی (SSL-AL) یک پارادایم یادگیری ماشین با کارایی بالا در استفاده از برچسب است که یک مدل را بر روی دادههای بدون برچسب با استفاده از اهداف خودنظارتی از پیش آموزش میدهد، سپس به صورت استراتژیک از یک اوراکل انسانی برای برچسبهای آموزندهتر با استفاده از تابع اکتساب یادگیری فعال پرسوجو میکند. نتیجه، عملکرد پیشبینیکننده قوی با کسری از هزینه برچسبگذاری مورد نیاز رویکردهای کاملاً نظارتشده است.
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., 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Self-supervised Active Learning (SSL-AL hybrid label-efficient framework). ScholarGate. https://scholargate.app/fa/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.
- یادگیری فعالیادگیری ماشین↔ compare
- انتشار برچسب (Label Propagation)یادگیری 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 →