Învățare activă semi-supervizată
Învățarea activă semi-supervizată (SSAL) este o paradigmă de învățare hibridă care combină strategia de interogare selectivă a învățării active cu capacitatea învățării semi-supervizate de a exploata datele neetichetate. Modelul selectează iterativ cele mai informative instanțe neetichetate pentru adnotarea de către experți, valorificând simultan volumul mare de eșantioane neadnotate pentru a-și îmbunătăți propriile reprezentări, reducând dramatic costurile de etichetare, menținând în același timp o precizie predictivă ridicată.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- Settles, B. (2012). Active Learning. Synthesis Lectures on Artificial Intelligence and Machine Learning. Morgan & Claypool. DOI: 10.2200/S00429ED1V01Y201207AIM018 ↗
- Zhu, X. (2005). Semi-supervised learning literature survey. Technical Report 1530, Computer Sciences, University of Wisconsin-Madison. link ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Semi-supervised Active Learning (SSAL). ScholarGate. https://scholargate.app/ro/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.
- Învățare activăÎnvățare automată↔ compare
- Propagarea etichetelorÎnvățare automată↔ compare
- Învățare semi-supervizatăÎnvățare automată↔ compare
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →