Ａｃtive learning ｌiterature Survey

最新推荐文章于 2021-09-26 16:58:24 发布
最新推荐文章于 2021-09-26 16:58:24 发布
阅读量1.1k 收藏
点赞数
分类专栏： 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/alwaystry/article/details/52351398
版权
本文概述了主动学习的三大场景：成员资格查询合成、不确定性采样和最小化版本空间。重点讨论了不确定性采样中的熵、单个和多个分类器的查询策略，如最小化模型变化、方差和预期误差减少。同时，提到了主动学习的挑战，包括训练集偏差、成本考虑以及强化学习中的探索-利用权衡。此外，还介绍了等价查询学习、主动类别选择和特征获取等扩展策略。
摘要由CSDN通过智能技术生成

Three main active learning scenarios


Membership query synthesis:

The learner may request labels for any unlabeled instance in the input space.


Uncertainty sampling:

An active learner queries the instances about which it is least certain how to label

Entropy 



单个分类器：

熵大小

多个分类器 Query - by - committee：

通过投票决定instance ｔｈey most disagree

minimizing the version space

1. be able to construct a committee of models that represent different regions of the version space

2.have some measure of disagreement among committee members

vote entropy/average Kullback- Lwiblwe(KL) divergence


３．３ expected model change

增加那些知道ｌａｂｅｌ后

最低0.47元/天 解锁文章
Yingying_code
关注
专栏目录
Active Learning原理与代码实例讲解
程序员光剑
07-16 636
Active Learning原理与代码实例讲解 作者：禅与计算机程序设计艺术 / Zen and the Art of Computer Programming 1. 背景介绍 1.1 问题的由来 在机器学习领域
【Active Learning - 13】总结与展望 & 参考文献的整理与分享（The End...）
Houchaoqun_XMU的博客
12-01 5941
写在前面： 本篇博文将作为“主动学习系列”博文的结尾。目前，本人在职的相关工作暂无与主动学习相关的需求。因此，之后大概率是不会再更新相关的博文了。能够分享的内容和资料，我都分享在这些博文了。希望能够对大家有帮助！ 主动学习系列博文： 【Active Learning - 00】主动学习重要资源总结、分享（提供源码的论文、一些AL相关的研究者）：https://blog.csdn.net/Ho...
【主动学习 01】经典综述-Active Learning Literature Survey-Burr Settles(2009)
chadlee
08-25 1686
Active Learning Literature Survey - Burr Settles(2009) Settles’ Survey，主动学习领域最经典的survey，主要介绍survey中采样策略部分。 通常在C-U和U-S上有比较多的工作 查询函数Q：不确定性准则（uncertainty）和差异性准则（diversity） 1）不确定性准则对于不确定性，我们可以借助信息熵的概念来进行理解。我们知道信息熵是衡量信息量的概念，也是衡量不确定性的概念。信息熵越大，就代表不确定性越大，包含的信息量也就
active learning survey
10-25
active learning is a part of machine learning.
主动学习 Active Learning - a survey
TangowL
10-10 700
知识点解释 1. 分析机器学习算法的可学习性时，通常有 realizable-assumption 和 non-realizable-assumption。前者表示假设空间中存在 ERM 为零的最优模型，后者表示假设空间中不存在。显然后者更符合真实情况。 2. PAC 理论用严格的形式化语言描述了上述两种情况的 sampl...
Active learning 主动学习的来世今生
Jinpeijie217的博客
06-15 5519
Active learning Survey主动学习的来世今生核心思想：主动学习可以基于较少的已标注的数据量得到同样好的模型准确率。在几乎所有的机器学习问题中，虽然未标注数据很丰富且易于获得，但是标注数据却很少或者需要大量的人工标注（成本问题）。所以主动学习是解决问题的核心方法之一。这篇文章提供了一个主动学习详细的介绍和相关文献的总结。主要包括解决方案，查询策略框架，主动学习的分析，设置变量的问题...
机器学习中的主动学习(Active Learning)
qq_39446651的博客
05-10 3769
最近在做主动学习相关的东西，随着深入了解和学习现将我的理解整理如下，如有不正确之处希望大佬能够指正： 1.主动学习 1.1定义 文章《Active Learning Literature Survey》阐述主动学习是机器学习的一个子领域，在统计学领域也叫做查询学习、最优实验设计。关键的假设如果机器可以自己选择学习的样本，它可以使用较少的训练取得更好的效果。 主动学习的研究多数情况下集中在两个地方：选择策略和查询策略。选择策略指导模型从哪里选择为标注样本，查询策略指导模型如何确定未标注样本是否需要被标注。 1
【Active Learning - 01】深入学习“主动学习”：如何显著地减少标注代价
热门推荐
Houchaoqun_XMU的博客
07-08 2万+
主动学习系列博文： 【Active Learning - 00】主动学习重要资源总结、分享（提供源码的论文、一些AL相关的研究者）：https://blog.csdn.net/Houchaoqun_XMU/article/details/85245714 【Active Learning - 01】深入学习“主动学习”：如何显著地减少标注代价：https://blog.csdn.net/Hou...
Active learning 总结
Yingying
09-02 4839
Active learning by querying informative andrepresentative examples PAMI 2014 本文主旨：将优化问题转换为在每一轮中选择的样本使得所有的样本损失最小，包括已标记样本和未标记样本。 Informative and representative : Informative: 位于分类面边缘上的数据，比如说DNN pape
自主学习（active learning）
chocolate_chuqi的博客
09-25 8408
我是一名小小白~~~一边学习一边总结~~~一边更新~~~是什么？自主学习，可以理解为询问式学习。通常监督学习都喜欢丢一大堆的数据，然后通过对所有数据进行处理得出结果。往往数据量越大，得到的结果可能会相对好一点。而自主学习的特点在于他可以自行选择有用数据去进行学习。这样我们可以用更少的训练样本去训练出更好的分类器。 注：监督学习是把样本都标注好；非监督学习是没有把样本标注；而自主学习呢，他是把一小部...
机器学习经典论文/survey合集
weixin_30861459的博客
05-30 619
Active Learning Two Faces of Active Learning, Dasgupta, 2011 Active Learning Literature Survey, Settles, 2010 Applications A Survey of Emerging Approaches to Spam Filtering, Caruana, 201...
机器学习/深度学习几种典型学习范式|主动学习
Wdradon的博客
09-26 2657
主动学习（Active Learning,AL）： 原论文详细介绍Active Learning Literature Surve Introduction 主动学习背后的关键思想是，如果允许机器学习算法选择要学习的数据，那么它可以用更少的标记训练实例实现更高的准确性。也就是说主动学习的应用场景是数据量大二标签少的场景，动机是减少人工标注的成本，提高学习的效率。一个积极的学习者可能会以未标记的实例的形式提出问题，比如在我们中学时代或者日常的学习过程中，总有一些理解不到位学不透的地方，所以我们会针对这些我们
主动学习综述(ACTIVE LEARNING)
weixin_34179762的博客
12-03 1075
2019独角兽企业重金招聘Python工程师标准>>> ...
图像处理与计算机视觉：基础，经典以及最近发展（2）图像处理与计算机视觉相关的书籍
xdyang的图像视觉小屋
05-29 1万+
Last update: 2012-6-23 1. 数学 我们所说的图像处理实际上就是数字图像处理，是把真实世界中的连续三维随机信号投影到传感器的二维平面上，采样并量化后得到二维矩阵。数字图像处理就是二维矩阵的处理，而从二维图像中恢复出三维场景就是计算机视觉的主要任务之一。这里面就涉及到了图像处理所涉及到的三个重要属性：连续性，二维矩阵，随机性。所对应的数学知识是高等数学（微积分），线性代
计算机视觉与图像处理
donghuaisuo123的博客
07-15 1999
图像处理技术的一般包括图像压缩，增强和复原，匹配、描述和识别3个部分。其中图像压缩技术，可以帮助进行快速且不失真的信息传递；图像增强和复原可以帮助人们更好的获取图像的信息，使模糊的图像变得清晰，如去雾、去噪声等应用；图像匹配、描述和识别是对图像进行比较和配准的过程，比如拼图游戏的应用，文字识别，指纹识别，还可以通过检测不同时间所拍摄图像之间景物的变化，找出物体的运动轨迹。
图像检测的几篇经典论文——from师兄
ruyiwei.cas@gmail.com
12-23 1350
局部特征检测、描述     LBP特征          [2004ECCV]FaceRecognitionwithLocalBinaryPatterns.pdf          [2005ICCV] Local Gabor Binary Pattern Histogram Sequence (LGBPHS)：ANovel                       Non-S
三种Uncertainty Sampling主动学习的reference
DeniuHe的博客
04-25 1150
maximum entropy F. Jing, M. Li, H. Zhang, and B. Zhang, “Entropy-based active learning with support vector machines for content-based image retrieval,” in ICME, 2004, pp. 85–88 least confidence A. Culotta and A. McCallum, “Reducing labeling effort fo..
图像美学质量评估相关论文简介
MultimediaComputingGroup_blogs
08-07 6251
图像美学质量评价（Image AestheticQuality Assessment）是计算机视觉领域的研究热点之一，该课题尝试提出一种算法，使得计算机能够判断图片的“美丑”，这一点与以往只关注于测算图像失真程度的图像质量评估（Image QualityAssessment）有很大不同。
towards fewer annotations: active learning via region impurity and predictio
最新发布
01-05
近年来，随着深度学习在计算机视觉领域的广泛应用，大规模的数据集和精确的标注已经成为训练有效模型的关键。然而，标注大量数据集是一项繁重且费时的工作，因此如何减少标注数量成为了一个重要的研究方向。...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值