การเรียนรู้เชิงรุกที่ผสานกับการเรียนรู้แบบกำกับตนเอง
การเรียนรู้เชิงรุก (Active Learning) ที่ผสานกับการเรียนรู้แบบกำกับตนเอง (Self-supervised Learning) ใช้ประโยชน์จากข้อมูลที่ไม่มีป้ายกำกับผ่านการฝึกฝนล่วงหน้าแบบกำกับตนเองเพื่อสร้างการนำเสนอข้อมูลที่สมบูรณ์ จากนั้นจึงใช้กลยุทธ์การสอบถามเชิงรุกเพื่อเลือกตัวอย่างที่ให้ข้อมูลมากที่สุดสำหรับการกำกับดูแลโดยมนุษย์ ซึ่งจะช่วยเพิ่มประสิทธิภาพของแบบจำลองให้สูงสุดภายใต้งบประมาณการติดป้ายกำกับที่จำกัด แนวทางแบบผสมผสานนี้มีประสิทธิภาพอย่างยิ่งเมื่อข้อมูลที่มีป้ายกำกับมีน้อย แต่มีชุดข้อมูลที่ไม่มีป้ายกำกับจำนวนมาก
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Bengar, J. Z., van de Weijer, J., Fuentes, L. L., & Raducanu, B. (2022). Class-Balanced Active Learning for Image Classification. Proceedings of the IEEE/CVF Winter Conference on Applications of Computer Vision (WACV), 3082–3091. link ↗
- Wang, K., Zhang, D., Li, Y., Zhang, R., & Lin, L. (2016). Cost-Effective Active Learning for Deep Image Classification. IEEE Transactions on Circuits and Systems for Video Technology, 27(12), 2591–2600. DOI: 10.1109/TCSVT.2016.2589879 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Active Learning with Self-supervised Representation Learning. ScholarGate. https://scholargate.app/th/machine-learning/active-learning-self-supervised-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.
- Active Learningการเรียนรู้ของเครื่อง↔ compare
- การเรียนรู้แบบน้อยตัวอย่างการเรียนรู้ของเครื่อง↔ compare
- การเรียนรู้แบบออนไลน์การเรียนรู้ของเครื่อง↔ compare
- การเรียนรู้แบบกำกับดูแลตนเองการเรียนรู้ของเครื่อง↔ compare
- การเรียนรู้แบบกึ่งกำกับดูแลการเรียนรู้ของเครื่อง↔ compare
- การเรียนรู้แบบถ่ายโอนการเรียนรู้ของเครื่อง↔ compare