Polunadzirano aktivno učenje
Polunadzirano aktivno učenje (SSAL) hibridna je paradigma učenja koja kombinira strategiju selektivnog upita aktivnog učenja sa sposobnošću polunadziranog učenja da iskoristi neoznačene podatke. Model iterativno odabire najinformativnije neoznačene instance za stručnu anotaciju, istovremeno koristeći veliku skupinu neanotiranih uzoraka za poboljšanje vlastitih reprezentacija, dramatično smanjujući troškove označavanja uz održavanje visoke prediktivne točnosti.
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
- Settles, B. (2012). Active Learning. Synthesis Lectures on Artificial Intelligence and Machine Learning. Morgan & Claypool. DOI: 10.2200/S00429ED1V01Y201207AIM018 ↗
- Zhu, X. (2005). Semi-supervised learning literature survey. Technical Report 1530, Computer Sciences, University of Wisconsin-Madison. link ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Semi-supervised Active Learning (SSAL). ScholarGate. https://scholargate.app/hr/machine-learning/semi-supervised-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.
- Aktivno učenjeStrojno učenje↔ compare
- Propagacija oznakaStrojno učenje↔ compare
- Polunadzorirano učenjeStrojno učenje↔ compare
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →