Robust aktiv inlärning
Robust aktiv inlärning utökar det standardiserade ramverket för aktiv inlärning för att hantera brusiga etiketter, adversariella störningar och opålitliga orakel. Istället för att anta perfekt etikettering, införlivas statistiska eller adversariella robusthetsgarantier i urvalsprocessen för frågor, vilket bibehåller sampleffektiviteten samtidigt som korruption i annoteringsprocessen tolereras.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- Balcan, M.-F., Beygelzimer, A., & Langford, J. (2006). Agnostic active learning. In Proceedings of the 23rd International Conference on Machine Learning (ICML 2006), pp. 65–72. ACM. DOI: 10.1145/1143844.1143853 ↗
- Settles, B. (2009). Active Learning Literature Survey. Computer Sciences Technical Report 1648, University of Wisconsin–Madison. link ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Robust Active Learning (Noise-Tolerant Query-Based Learning). ScholarGate. https://scholargate.app/sv/machine-learning/robust-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.
- Aktivt lärandeMaskininlärning↔ compare
- Few-shot LearningMaskininlärning↔ compare
- Online LearningMaskininlärning↔ compare
- Robust Random ForestMaskininlärning↔ compare
- Robust Support Vector MachineMaskininlärning↔ compare
- Semi-övervakad inlärningMaskininlärning↔ compare
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →