Активне навчання із самокерованим навчанням
Активне навчання в поєднанні із самокерованим навчанням використовує нерозмічені дані через самокероване попереднє навчання для побудови багатих представлень, а потім застосовує стратегію активного запиту для вибору найбільш інформативних прикладів для анотування людиною, максимізуючи продуктивність моделі за обмеженого бюджету на розмітку. Цей гібридний підхід є особливо потужним, коли розмічених даних мало, але існують великі пули нерозмічених даних.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Active Learning with Self-supervised Representation Learning. ScholarGate. https://scholargate.app/uk/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.
- Активне навчанняМашинне навчання↔ compare
- Навчання з малою кількістю прикладівМашинне навчання↔ compare
- Онлайн-навчанняМашинне навчання↔ compare
- Самокероване навчанняМашинне навчання↔ compare
- Напівкероване навчанняМашинне навчання↔ compare
- Трансферне навчанняМашинне навчання↔ compare
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →