您现在所在的位置:首页 >> 科学研究 >> 共享资源 >> 学术报告 >>
发布日期:2019年2月24日
学术报告-active self-paced learning

      在机器学习中获得标注数据是一个重要的部分。但是在一些专业领域,标注成本高,成本高,导致了获得标注数据困难。主动学习的方法能够有效的节约标注成本。但是传统主动学习方法往往注重低置信度样本的挑选,而忽略高置信度样本的标注和使用。本次报告就讲述一个结合自步学习的主动学习模型框架ASPL,解决高置信度样本的标注和利用的问题,有效的减少了标记数据的数量且该模型具有较强的抗噪声能力。

附件-Active Self-paced learning.pdf