Machine learningMachine learning
תהליך גאוסיאני של למידה אקטיבית
תהליך גאוסיאני של למידה אקטיבית (GP-AL) משלב מודל הסתברותי של תהליך גאוסיאני עם אסטרטגיית שאילתות של למידה אקטיבית, תוך שימוש באי-הוודאות הפוסטריורית של ה-GP לבחירת הדוגמאות הבלתי-מתויגות האינפורמטיביות ביותר לתיג. גישה איטרטיבית זו ממזערת את מאמץ התיג תוך מיקסום דיוק החיזוי, מה שהופך אותה לאידיאלית כאשר נתונים מתויגים נדירים או יקרים להשגה.
קראו את השיטה במלואה
לחברים בלבד
התחברותהתחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- 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 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Active Learning with Gaussian Process (GP-AL). ScholarGate. https://scholargate.app/he/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.
- למידה פעילהלמידת מכונה↔ compare
- תהליך גאוסי בייסיאנילמידת מכונה↔ compare
- תהליך גאוסילמידת מכונה↔ compare
- גאוסית תהליך חצי-מפוקחלמידת מכונה↔ compare