การเรียนรู้แบบแอคทีฟที่กำกับดูแลตนเอง
การเรียนรู้แบบแอคทีฟที่กำกับดูแลตนเอง (Self-supervised Active Learning หรือ SSL-AL) เป็นกระบวนทัศน์การเรียนรู้ของเครื่องที่เน้นประสิทธิภาพด้านการใช้ข้อมูลที่มีป้ายกำกับ โดยจะทำการฝึกอบรมแบบจำลองล่วงหน้าด้วยข้อมูลที่ไม่มีป้ายกำกับโดยใช้วัตถุประสงค์แบบกำกับดูแลตนเอง จากนั้นจึงสอบถามผู้เชี่ยวชาญที่เป็นมนุษย์อย่างมีกลยุทธ์เพื่อขอป้ายกำกับที่มีข้อมูลมากที่สุด โดยใช้ฟังก์ชันการได้มาซึ่งข้อมูลสำหรับการเรียนรู้แบบแอคทีฟ ผลลัพธ์ที่ได้คือประสิทธิภาพการทำนายที่แข็งแกร่งด้วยต้นทุนการกำกับป้ายกำกับเพียงเล็กน้อยเมื่อเทียบกับวิธีการกำกับดูแลแบบเต็มรูปแบบ
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Self-supervised Active Learning (SSL-AL hybrid label-efficient framework). ScholarGate. https://scholargate.app/th/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.
- Active Learningการเรียนรู้ของเครื่อง↔ compare
- การแพร่กระจายป้ายกำกับการเรียนรู้ของเครื่อง↔ compare
- การเรียนรู้แบบกำกับดูแลตนเองการเรียนรู้ของเครื่อง↔ compare
- การเรียนรู้แบบกึ่งกำกับดูแลการเรียนรู้ของเครื่อง↔ compare
- การเรียนรู้แบบถ่ายโอนการเรียนรู้ของเครื่อง↔ compare