Aktywne uczenie wspomagane uczeniem samo nadzorowanym
Aktywne uczenie wspomagane uczeniem samo nadzorowanym (SSL-AL) to paradygmat uczenia maszynowego wymagający niewielkiej liczby etykiet, który wstępnie trenuje model na nieetykietowanych danych przy użyciu celów samo nadzorowanych, a następnie strategicznie pobiera od ludzkiego orakulum najbardziej informatywne etykiety za pomocą funkcji akwizycji aktywnego uczenia. Rezultatem są silne parametry predykcyjne przy ułamku kosztu anotacji wymaganego przez w pełni nadzorowane podejścia.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Self-supervised Active Learning (SSL-AL hybrid label-efficient framework). ScholarGate. https://scholargate.app/pl/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.
- Aktywna naukaUczenie maszynowe↔ compare
- Propagacja etykietUczenie maszynowe↔ compare
- Uczenie samo nadzorowaneUczenie maszynowe↔ compare
- Uczenie ze wsparciem częściowymUczenie maszynowe↔ compare
- Uczenie transferoweUczenie maszynowe↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →