LCD 方法结合高低置信度样本提升主动学习有效性
热点事件持续更新
LCD 方法结合高低置信度样本提升主动学习有效性
1 篇报道1 个报道来源14 小时前更新
先了解这件事
AI 综述
针对深度学习模型数据饥渴问题,研究提出四种混合采样方法以同时选取易学与难学且具多样性的样本。实验表明,结合低置信度与高置信度样本的 LCD 方法在计算机视觉任务中 consistently 优于现有最先进方法。该研究目前处于审稿状态,相关代码将在指定 URL 开放。
AI 根据报道生成 · 10 小时前更新
最新进展11月19日 13:00
平衡样本不确定性与多样性:利用低置信度与高置信度样本的多样性提升主动学习有效性报道时间线
沿着报道,了解事件的不同侧面。
11月19日
- arXiv · 机器人与计算机视觉平衡样本不确定性与多样性:利用低置信度与高置信度样本的多样性提升主动学习有效性
针对深度学习模型数据饥渴问题,研究提出四种混合采样方法以同时选取易学与难学且具多样性的样本。实验表明,结合低置信度与高置信度样本的 LCD 方法在计算机视觉任务中 consistently 优于现有最先进方法。相关代码将在指定 URL 开放,该研究目前处于审稿状态。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 911月19日 17:00
- 近 24 小时变化
- –
02.557.510
18:0020:0022:0011月20日02:00
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。