Papers with Code 아카이브
Active Learning
태스크의 하위 분류와 논문·코드·평가·기법·데이터셋을 탐색하세요.
- 하위 태스크
- 1
- 평가표
- 1
- 보존된 평가 기록
- 7
Active Learning is a paradigm in supervised machine learning which uses fewer training examples to achieve better optimization by iteratively training a predictor, and using the predictor in each iteration to choose the training examples which will increase its chances of finding better configurations and at the same time improving the accuracy of the prediction model
Source: Polystore++: Accelerated Polystore System for Heterogeneous Workloads
논문
이 태스크와 하위 분야의 관련 논문입니다. 실제 성능 비교는 평가 결과에서 확인하세요.
롱테일 프레임 수준 생체음향 능동 학습을 위한 그래디언트 임베딩의 탐욕적 부피 극대화
대규모 언어 모델을 도메인 적응적·정밀·안전하게 튜터링하기
자율 재료 발견에서 발산하는 전략과 수렴하는 결과
Scout: 엣지 디바이스에서의 오픈월드 종 인식
OnlineWM: 효과적인 월드 모델링을 위한 인과관계 인지 능동 온라인 학습
콘텐츠 기반 이미지 검색의 발전: 관련성 피드백 기법에 대한 포괄적 서베이
Ouroboros-Spatial: 공간 추론을 위한 데이터-모델 루프 폐쇄
DAV-GSWT: Diffusion-Active-View Sampling for Data-Efficient Gaussian Splatting Wang Tiles
SERM: 대규모 쿼리 스트림의 에이전트 주도 학습을 통한 자기 진화형 관련성 모델
생성 모델과 적응형 테스트를 활용한 오프라인-투-온라인 크리에이티브 최적화
자율 재료 발견을 위한 비용 인식 회수 경로 식별 및 베이지안 최적화
KeySI: 인간 피드백 기반 텍스트 임베딩 튜닝을 위한 상호작용 프레임워크
데이터 선택 강화를 통한 능동적 퓨샷 분할
FlyRoute: 적응형 작업 라우팅을 위한 데이터 플라이휠 기반 자기 진화형 에이전트 프로파일링
고재현율 후보 생성을 위한 유한 표본 커버리지 감사: 인증과 학습 이론적 설계
진단 MRI를 위한 주파수 계층적 능동 k-공간 샘플링
내적 다원주의와 쌍별 비교의 한계
안전하고 윤리적인 자율주행차를 위한 휴먼 인 더 루프 머신러닝: 원리, 과제, 기회
범용 로봇 정책을 위한 능동적 실세계 요인 기반 평가
기계학습 힘장의 학습 및 미세조정에서 적은 레이블로 전체 데이터 정확도 달성
수색·구조를 위한 자율 UAV 군집의 지능형 3계층 학습 아키텍처
설명 가능한 우울 증상 어노테이션을 위한 자기 진화형 인간 중심 프레임워크
AvAtar: 능동적 최적 운송을 통한 정렬 학습
희소 촉각으로부터 변형 객체의 토폴로지 불변 메시 재구성
약한 지도를 활용한 외과 수술 영상의 효율적 어노테이션을 위한 액티브 학습
슬라이드 수준 능동 학습을 통한 H&E 이미지 어노테이션 부담 감소
HASTE: 신속한 재난 후 건물 피해 평가를 위한 플랫폼
능동적 오프라인-온라인 강화학습
고차원 M-추정에서의 영향력 진단: 정밀 점근 분석
고정 예산 하에서 검증을 포함한 다중 지표 적응형 실험 설계
쌍별 비교로부터의 최적 상위-$k$ 식별
능동적 거부(Active Rejection)를 통한 범용 머신러닝 원자간 포텐셜의 신뢰할 수 있는 일반화
PACE: 9-1-1 신고 접수원 교육을 위한 개인화 적응형 커리큘럼 엔진
새로운 시점 합성을 위한 가우시안 스플래팅의 예측적 광도 불확실성
스코어 매칭을 통한 베이지안 실험 설계
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.