Aktivno učenje sa samostalnim nadzorom učenja
Aktivno učenje u kombinaciji sa samostalnim nadzorom učenja iskorištava neoznačene podatke putem pretreniranja sa samostalnim nadzorom kako bi se izgradile bogate reprezentacije, a zatim koristi strategiju aktivnog upita za odabir najinformativnijih primjera za ljudsku anotaciju, maksimizirajući performanse modela pod strogo ograničenim budžetom za označavanje. Ovaj hibridni pristup posebno je snažan kada su označeni podaci rijetki, ali postoje veliki neoznačeni skupovi.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Active Learning with Self-supervised Representation Learning. ScholarGate. https://scholargate.app/hr/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.
- Aktivno učenjeStrojno učenje↔ compare
- Učenje s malo primjeraStrojno učenje↔ compare
- Mrežno učenjeStrojno učenje↔ compare
- Samonadzirano učenjeStrojno učenje↔ compare
- Polunadzorirano učenjeStrojno učenje↔ compare
- Prijenosno učenjeStrojno učenje↔ compare
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →