सक्रिय शिक्षण (Active Learning) और स्व-पर्यवेक्षित शिक्षण (Self-supervised Learning) का संयोजन
सक्रिय शिक्षण और स्व-पर्यवेक्षित शिक्षण का संयोजन, स्व-पर्यवेक्षित पूर्व-प्रशिक्षण के माध्यम से बिना लेबल वाले डेटा का लाभ उठाता है ताकि समृद्ध निरूपण (representations) का निर्माण किया जा सके, फिर मानव एनोटेशन के लिए सबसे जानकारीपूर्ण उदाहरणों का चयन करने के लिए एक सक्रिय क्वेरी रणनीति का उपयोग करता है, जिससे एक तंग लेबलिंग बजट के तहत मॉडल के प्रदर्शन को अधिकतम किया जा सके। यह संकर दृष्टिकोण विशेष रूप से तब शक्तिशाली होता है जब लेबल किया हुआ डेटा दुर्लभ हो लेकिन बिना लेबल वाले डेटा का एक बड़ा पूल मौजूद हो।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
स्रोत
- Bengar, J. Z., van de Weijer, J., Fuentes, L. L., & Raducanu, B. (2022). Class-Balanced Active Learning for Image Classification. Proceedings of the IEEE/CVF Winter Conference on Applications of Computer Vision (WACV), 3082–3091. link ↗
- Wang, K., Zhang, D., Li, Y., Zhang, R., & Lin, L. (2016). Cost-Effective Active Learning for Deep Image Classification. IEEE Transactions on Circuits and Systems for Video Technology, 27(12), 2591–2600. DOI: 10.1109/TCSVT.2016.2589879 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Active Learning with Self-supervised Representation Learning. ScholarGate. https://scholargate.app/hi/machine-learning/active-learning-self-supervised-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.
- सक्रिय अधिगममशीन अधिगम↔ compare
- फ्यू-शॉट लर्निंगमशीन अधिगम↔ compare
- ऑनलाइन लर्निंगमशीन अधिगम↔ compare
- स्व-पर्यवेक्षित शिक्षणमशीन अधिगम↔ compare
- अर्ध-पर्यवेक्षित शिक्षणमशीन अधिगम↔ compare
- ट्रांसफर लर्निंगमशीन अधिगम↔ compare