Machine learningMachine learning

Ансамблевое активное обучение

Ансамблевое активное обучение сочетает комитет разнообразных моделей с циклом активного обучения для выбора наиболее информативных неразмеченных примеров для разметки. Основываясь на фреймворке Query by Committee, предложенном Seung et al. (1992), оно использует расхождения между членами комитета как сигнал неопределенности, сокращая количество размеченных примеров, необходимых для достижения высокой прогностической производительности.

Открыть в MethodMindСкороВидеоСкороDownload slides

Читать метод полностью

Только для участников

Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.

Войти

Method map

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

Источники

  1. Seung, H. S., Opper, M., & Sompolinsky, H. (1992). Query by committee. In Proceedings of the Fifth Annual Workshop on Computational Learning Theory (COLT 1992), pp. 287–294. ACM. link
  2. Settles, B. (2009). Active Learning Literature Survey. Computer Sciences Technical Report 1648, University of Wisconsin–Madison. link

Как цитировать эту страницу

ScholarGate. (2026, June 3). Ensemble-Based Active Learning (Query by Committee and Variants). ScholarGate. https://scholargate.app/ru/machine-learning/ensemble-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
ScholarGateEnsemble Active Learning (Ensemble-Based Active Learning (Query by Committee and Variants)). Получено 2026-06-15 из https://scholargate.app/ru/machine-learning/ensemble-active-learning · Набор данных: https://doi.org/10.5281/zenodo.20539026