Самообучающееся активное обучение
Самообучающееся активное обучение (SSL-AL) — это парадигма машинного обучения, эффективная с точки зрения использования размеченных данных, которая предварительно обучает модель на неразмеченных данных с использованием самообучающихся целевых функций, а затем стратегически запрашивает у эксперта-оракула наиболее информативные метки с помощью функции выбора для активного обучения. Результатом является высокая прогностическая производительность при значительно меньших затратах на аннотирование по сравнению с полностью контролируемыми подходами.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Self-supervised Active Learning (SSL-AL hybrid label-efficient framework). ScholarGate. https://scholargate.app/ru/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.
- Активное обучениеМашинное обучение↔ compare
- Распространение метокМашинное обучение↔ compare
- Самообучение с учителемМашинное обучение↔ compare
- Обучение с частичной разметкойМашинное обучение↔ compare
- Перенос обученияМашинное обучение↔ compare
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →