Активне навчання із самоконтролем
Активне навчання із самоконтролем (SSL-AL) — це парадигма машинного навчання, що ефективно використовує розмічені дані. Вона передбачає попереднє навчання моделі на нерозмічених даних за допомогою завдань із самоконтролем, а потім стратегічно звертається до людського оракула за найбільш інформативними мітками, використовуючи функцію відбору для активного навчання. Результатом є висока прогностична ефективність за частку витрат на анотування, необхідних для повністю контрольованих підходів.
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., 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Self-supervised Active Learning (SSL-AL hybrid label-efficient framework). ScholarGate. https://scholargate.app/uk/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.
- Активне навчанняМашинне навчання↔ compare
- Label PropagationМашинне 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 →