Itseohjautuva aktiivinen oppiminen
Itseohjautuva aktiivinen oppiminen (SSL-AL) on merkkiainetehokas koneoppimisparadigma, joka esikouluttaa mallin merkitsemättömillä tiedoilla itseohjautuvien tavoitteiden avulla, ja kysyy sitten strategisesti ihmisoraakkelilta informatiivisimpia merkintöjä aktiivisen oppimisen hankintafunktion avulla. Tuloksena on vahva ennustava suorituskyky murto-osalla täysin ohjautuvien lähestymistapojen vaatimasta annotointikustannuksesta.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Self-supervised Active Learning (SSL-AL hybrid label-efficient framework). ScholarGate. https://scholargate.app/fi/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.
- Aktiivinen oppiminenKoneoppiminen↔ compare
- Label PropagationKoneoppiminen↔ compare
- Itseohjautuva oppiminenKoneoppiminen↔ compare
- Puoliohjattu oppiminenKoneoppiminen↔ compare
- Siirto-oppiminenKoneoppiminen↔ compare
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →