Aktívne učenie s Gaussovským procesom
Aktívne učenie s Gaussovským procesom (GP-AL) kombinuje pravdepodobnostný model Gaussovského procesu so stratégiou výberu dotazov v rámci aktívneho učenia, pričom využíva posteriornú neistotu GP na výber najinformatívnejších neoznačených príkladov na označenie. Tento iteratívny prístup minimalizuje námahu pri označovaní a zároveň maximalizuje prediktívnu presnosť, čo ho robí ideálnym v prípadoch, keď sú označené údaje obmedzené alebo ich získanie je nákladné.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- MacKay, D. J. C. (1992). Information-based objective functions for active data selection. Neural Computation, 4(4), 590–604. DOI: 10.1162/neco.1992.4.4.590 ↗
- Settles, B. (2012). Active Learning. Synthesis Lectures on Artificial Intelligence and Machine Learning. Morgan & Claypool. link ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Active Learning with Gaussian Process (GP-AL). ScholarGate. https://scholargate.app/sk/machine-learning/active-learning-gaussian-process
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.
- Aktívne učenieStrojové učenie↔ compare
- Bayesianovský Gaussovský procesStrojové učenie↔ compare
- Gaussov procesStrojové učenie↔ compare
- Semi-supervised Gaussian ProcessStrojové učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →