ScholarGate
Assistente
Machine learningMachine learning

Apprendimento Attivo Semi-Supervisionato

L'Apprendimento Attivo Semi-Supervisionato (SSAL) è un paradigma di apprendimento ibrido che combina la strategia di interrogazione selettiva dell'apprendimento attivo con la capacità dell'apprendimento semi-supervisionato di sfruttare dati non etichettati. Il modello seleziona iterativamente le istanze non etichettate più informative per l'annotazione da parte di esperti, sfruttando contemporaneamente il vasto pool di campioni non annotati per migliorare le proprie rappresentazioni, riducendo drasticamente i costi di etichettatura pur mantenendo una forte accuratezza predittiva.

Apri in MethodMindIn arrivoVideoIn arrivoDownload slides

Leggi il metodo completo

Riservato ai membri

Accedi con un account gratuito per leggere questa sezione.

Accedi

Method map

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

Apprendimento Attivo Semi-Supervisionato
Active LearningLabel PropagationApprendimento semi-super…

Fonti

  1. Settles, B. (2012). Active Learning. Synthesis Lectures on Artificial Intelligence and Machine Learning. Morgan & Claypool. DOI: 10.2200/S00429ED1V01Y201207AIM018
  2. Zhu, X. (2005). Semi-supervised learning literature survey. Technical Report 1530, Computer Sciences, University of Wisconsin-Madison. link

Come citare questa pagina

ScholarGate. (2026, June 3). Semi-supervised Active Learning (SSAL). ScholarGate. https://scholargate.app/it/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.

Compare side by side
ScholarGateSemi-supervised Active Learning (Semi-supervised Active Learning (SSAL)). Consultato il 2026-06-15 da https://scholargate.app/it/machine-learning/semi-supervised-active-learning · Insieme di dati: https://doi.org/10.5281/zenodo.20539026