Selv-supervisert aktiv læring
Selv-supervisert aktiv læring (SSL-AL) er et etikett-effektivt maskinlæringsparadigme som forhåndstrener en modell på umerkede data ved hjelp av selv-superviserte mål, og deretter strategisk spør en menneskelig orakel om de mest informative etikettene ved hjelp av en anskaffelsesfunksjon for aktiv læring. Resultatet er sterk prediktiv ytelse med en brøkdel av annotasjonskostnaden som kreves av fullt superviserte tilnærminger.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Self-supervised Active Learning (SSL-AL hybrid label-efficient framework). ScholarGate. https://scholargate.app/no/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.
- Aktiv læringMaskinlæring↔ compare
- Label PropagationMaskinlæring↔ compare
- Selv-supervisert læringMaskinlæring↔ compare
- Semiveiledet læringMaskinlæring↔ compare
- OverføringslæringMaskinlæring↔ compare
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →