PulseAugur
中
实时 11:14:47
English(EN) Neural Active Learning Meets the Partial Monitoring Framework

新的神经主动学习策略整合了部分监控

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了一种新颖的在线主动学习（OAL）策略 NeuralCBP，该策略将部分监控框架与深度神经网络相结合。该方法解决了在流式观测环境中获取昂贵的标记数据与最小化预测误差之间的权衡问题。在经验评估中，该方法在包括二分类、多分类和成本敏感场景在内的各种 OAL 任务中被证明是有效的，并且优于现有的最先进基线。 AI

影响 引入了一种新颖的在线主动学习策略，有望提高机器学习任务中的数据效率。

排序理由 这是一篇详细介绍主动学习新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的神经主动学习策略整合了部分监控

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Maxime Heuillet, Ola Ahmad, Audrey Durand ·

    Neural Active Learning Meets the Partial Monitoring Framework

    arXiv:2405.08921v2 Announce Type: replace Abstract: We focus on the online-based active learning (OAL) setting where an agent operates over a stream of observations and trades-off between the costly acquisition of information (labelled observations) and the cost of prediction err…

相关实体

相关话题