Självövervakat aktivt lärande
Självövervakat aktivt lärande (SSL-AL) är ett etikettsnålt maskininlärningsparadigm som förtränar en modell på oetiketterad data med hjälp av självövervakade mål, och sedan strategiskt frågar en mänsklig orakel efter de mest informativa etiketterna med hjälp av en förvärvsfunktion för aktivt lärande. Resultatet är stark prediktiv prestanda med en bråkdel av den annoteringskostnad som krävs av helt övervakade metoder.
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
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Self-supervised Active Learning (SSL-AL hybrid label-efficient framework). ScholarGate. https://scholargate.app/sv/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.
- Aktivt lärandeMaskininlärning↔ compare
- EtikettpropageringMaskininlärning↔ compare
- Självövervakad inlärningMaskininlärning↔ compare
- Semi-övervakad inlärningMaskininlärning↔ compare
- ÖverföringsinlärningMaskininlärning↔ compare
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →