Pembelajaran Aktif Mandiri (Self-supervised Active Learning)
Pembelajaran Aktif Mandiri (SSL-AL) adalah paradigma pembelajaran mesin yang efisien label yang melakukan pra-pelatihan model pada data tak berlabel menggunakan tujuan mandiri, kemudian secara strategis meminta label yang paling informatif dari oracle manusia menggunakan fungsi akuisisi pembelajaran aktif. Hasilnya adalah kinerja prediktif yang kuat dengan sebagian kecil dari biaya anotasi yang dibutuhkan oleh pendekatan yang sepenuhnya mandiri.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Bengar, J. Z., van de Weijer, J., Twardowski, B., & Raducanu, B. (2021). Reducing Label Effort: Self-Supervised Meets Active Learning. In Proceedings of the IEEE/CVF International Conference on Computer Vision Workshops (ICCVW), pp. 1631–1639. link ↗
- Zhan, X., Wang, Q., Huang, K.-H., Xiong, H., Dou, D., & Chan, A. B. (2022). A comparative survey of deep active learning. arXiv preprint arXiv:2203.13450. link ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Self-supervised Active Learning (SSL-AL hybrid label-efficient framework). ScholarGate. https://scholargate.app/id/machine-learning/self-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.
- Pembelajaran AktifPembelajaran Mesin↔ compare
- Propagasi LabelPembelajaran Mesin↔ compare
- Pembelajaran Mandiri TerawasiPembelajaran Mesin↔ compare
- Pembelajaran Semi-terawasiPembelajaran Mesin↔ compare
- Transfer LearningPembelajaran Mesin↔ compare
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →