ScholarGate
어시스턴트
Machine learningMachine learning

강건 능동 학습 (Robust Active Learning)

강건 능동 학습은 표준 능동 학습 프레임워크를 확장하여 노이즈가 있는 레이블, 적대적 섭동, 신뢰할 수 없거나 부정확한 오라클을 처리합니다. 완벽한 레이블링을 가정하는 대신, 쿼리 선택 과정에 통계적 또는 적대적 강건성 보장을 통합하여 샘플 효율성을 유지하면서도 주석 처리 과정의 손상을 견딥니다.

MethodMind에서 열기곧 제공동영상곧 제공Download slides

방법 전문 읽기

회원 전용

무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.

로그인

Method map

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

강건 능동 학습 (Robust Active Learning)
능동 학습퓨샷 학습온라인 학습로버스트 랜덤 포레스트로버스트 서포트 벡터 머신준지도 학습

출처

  1. Balcan, M.-F., Beygelzimer, A., & Langford, J. (2006). Agnostic active learning. In Proceedings of the 23rd International Conference on Machine Learning (ICML 2006), pp. 65–72. ACM. DOI: 10.1145/1143844.1143853 ↗
  2. Settles, B. (2009). Active Learning Literature Survey. Computer Sciences Technical Report 1648, University of Wisconsin–Madison. link ↗

이 페이지 인용 방법

ScholarGate. (2026, June 3). Robust Active Learning (Noise-Tolerant Query-Based Learning). ScholarGate. https://scholargate.app/ko/machine-learning/robust-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 →

이 페이지에서 오류를 발견하셨나요? 신고하거나 수정을 제안하세요 →

ScholarGate — Robust Active Learning (Robust Active Learning (Noise-Tolerant Query-Based Learning)). 2026-06-15에 다음에서 검색함: https://scholargate.app/ko/machine-learning/robust-active-learning · 데이터셋: https://doi.org/10.5281/zenodo.20539026