Apprentissage Actif Robuste
L'apprentissage actif robuste étend le cadre standard de l'apprentissage actif pour gérer les étiquettes bruitées, les perturbations adverses et les oracles peu fiables. Plutôt que de supposer un étiquetage parfait, il intègre des garanties de robustesse statistique ou adverse dans le processus de sélection des requêtes, tout en maintenant l'efficacité des échantillons et en tolérant la corruption du processus d'annotation.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- Balcan, M.-F., Beygelzimer, A., & Langford, J. (2006). Agnostic active learning. In Proceedings of the 23rd International Conference on Machine Learning (ICML 2006), pp. 65–72. ACM. DOI: 10.1145/1143844.1143853 ↗
- Settles, B. (2009). Active Learning Literature Survey. Computer Sciences Technical Report 1648, University of Wisconsin–Madison. link ↗
Comment citer cette page
ScholarGate. (2026, June 3). Robust Active Learning (Noise-Tolerant Query-Based Learning). ScholarGate. https://scholargate.app/fr/machine-learning/robust-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.
- Apprentissage actifApprentissage automatique↔ compare
- Apprentissage à peu d'exemplesApprentissage automatique↔ compare
- Apprentissage en ligneApprentissage automatique↔ compare
- Forêt Aléatoire RobusteApprentissage automatique↔ compare
- Machine à vecteurs de support robusteApprentissage automatique↔ compare
- Apprentissage semi-superviséApprentissage automatique↔ compare
Une erreur sur cette page ? Signalez-la ou proposez une correction →