Machine learningMachine learning

למידה פעילה חסונה

למידה פעילה חסונה (Robust Active Learning) מרחיבה את מסגרת הלמידה הפעילה הסטנדרטית כדי לטפל בתוויות רועשות, הפרעות אדברסריות ואורקלים לא אמינים. במקום להניח תיוג מושלם, היא משלבת הבטחות חוסן סטטיסטיות או אדברסריות בתהליך בחירת השאילתות, ושומרת על יעילות דגימה תוך סבילות לשחיתות בתהליך האנוטציה.

פתיחה ב-MethodMindבקרובוידאובקרובDownload slides

קראו את השיטה במלואה

לחברים בלבד

התחברו עם חשבון חינמי כדי לקרוא חלק זה.

התחברות

Method map

The neighbourhood of related methods — select a node to explore.

מקורות

  1. 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
  2. Settles, B. (2009). Active Learning Literature Survey. Computer Sciences Technical Report 1648, University of Wisconsin–Madison. link

איך לצטט עמוד זה

ScholarGate. (2026, June 3). Robust Active Learning (Noise-Tolerant Query-Based Learning). ScholarGate. https://scholargate.app/he/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.

Compare side by side
ScholarGateRobust Active Learning (Robust Active Learning (Noise-Tolerant Query-Based Learning)). אוחזר בתאריך 2026-06-15 מתוך https://scholargate.app/he/machine-learning/robust-active-learning · מערך נתונים: https://doi.org/10.5281/zenodo.20539026