Aprendizado Ativo Auto-Supervisionado
O Aprendizado Ativo Auto-Supervisionado (SSL-AL) é um paradigma de aprendizado de máquina com eficiência de rótulos que pré-treina um modelo em dados não rotulados usando objetivos auto-supervisionados e, em seguida, consulta estrategicamente um oráculo humano para os rótulos mais informativos usando uma função de aquisição de aprendizado ativo. O resultado é um forte desempenho preditivo com uma fração do custo de anotação exigido por abordagens totalmente supervisionadas.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Self-supervised Active Learning (SSL-AL hybrid label-efficient framework). ScholarGate. https://scholargate.app/pt/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.
- Aprendizagem AtivaAprendizado de máquina↔ compare
- Propagação de RótulosAprendizado de máquina↔ compare
- Aprendizado AutossupervisionadoAprendizado de máquina↔ compare
- Aprendizado Semi-supervisionadoAprendizado de máquina↔ compare
- Aprendizagem por TransferênciaAprendizado de máquina↔ compare
Encontrou um problema nesta página? Relate ou sugira uma correção →