Jan, 2024

借鉴最佳实践：无线通信的主动学习

PDF
TL;DR本文介绍了无线通信中深度学习应用的主动学习算法，通过在无标签数据集中识别关键和信息量最高的样本，仅对这些样本进行标记，从而减少标注开销并保持与传统训练相同的准确性。在深度学习基于毫米波波束选择的案例研究中，我们对多模态数据集进行了不同主动学习算法的性能评估，结果表明，在存在类别不平衡的数据集上，使用主动学习算法可以将标注开销降低 50%。
over-the-air wireless communicationsdeep learningactive learningmmwave beam selectionclass-imbalanced datasets
发现论文，激发创造
  • 组合覆盖下的主动学习

    本文提出一种利用组合覆盖来解决机器学习中主动学习的数据样本选择方法，相较于现有模型导向性的方法，新方法具有更好适用性，能够有效降低模型转移和采样偏差问题。

    Feb, 2023

  • 主动学习：问题设置和最新发展

    本文介绍了有监督学习中获取标记数据的高成本和获取大量未标记数据的轻松方法，以及通过自适应选择标记样本来获得高精度预测模型的主要问题设置和最近的研究趋势。重点介绍了选择从数据中进行标记的学习获取函数的研究、关于主动学习算法的理论工作和顺序数据获取的停止标准。介绍了材料开发和测量的应用示例。

    Dec, 2020

  • 可伸缩的物体检测主动学习

    本研究描述了一个可扩展的主动学习系统，旨在改善在自动驾驶中监督学习的数据效率，主要围绕深度神经网络、有监督学习、主动学习、自动驾驶和数据效率展开，同时探讨了一些挑战及其解决方法，并简要描述了未来发展方向。

    Apr, 2020

  • DEAL: 图像分类的深度证据主动学习

    本文提出一种新的主动学习算法，将 CNN 模型的输出从 softmax 替换为 Dirichlet 值，实现从未标记数据中提取最具信息量的标记数据集，该方法在多项数据集和医学图像识别领域中与其他主动学习方法相比均具有更高的性能表现和易于实现且不需要大量计算资源的优点。

    Jul, 2020

  • 计算高效的主动学习

    通过简单而有效的方法不仅可以降低主动学习过程的计算成本，还能保持模型性能，从而优化大规模数据集的标注效率。

    Jan, 2024

  • 提高嘈杂数据集上主动学习的成本效益

    主要介绍了主动学习策略在解决二分类问题中的应用，提出了一种基于偏移正态分布采样函数的方法，通过限制噪声和正类标签选择，提高了 20% 到 32% 的成本效率。

    Mar, 2024

  • 数据高效变化检测中遥感的深度主动学习

    本论文研究了在深度神经网络模型中的主动学习，适用于诸如检测局部地表变化和地图更新等一些遥感任务，并使用各种机制捕捉和量化模型的不确定性，以选择有信息量的未标记样本进行注释，通过少量样本的标记就达到与大型训练集相同的性能的效果。

    Aug, 2020

  • 6G 主动机器学习：高效数据生成、采集和注释方向

    探索了将主动机器学习与 6G 网络集成的研究，该领域尚未得到充分探索，但具有潜力。与被动机器学习系统不同，主动机器学习可以与网络环境进行交互，并通过选择信息丰富、具代表性的数据点进行训练，从而减少所需的数据量并加速学习过程。此外，还探讨了生成人工智能和主动学习之间的协同作用，以克服主动学习和生成人工智能方面的现有限制。通过一个毫米波传输速率预测问题的案例研究，演示了主动学习在 6G 网络中的实际好处和性能改进。此外，还讨论了主动学习对于众多 6G 网络用例的潜力，包括提高计算效率、数据标注和采集效率、适应性和整体网络智能性。最后，探讨了主动学习在 6G 网络中的挑战和未来研究方向，包括开发新的查询策略、分布式学习集成，以及人机协同学习的加入。

    Jun, 2024

  • 面向可计算的深度主动学习

    该研究介绍了两种用于文本分类和标记任务的技术，可以显著减少深度学习中主动学习繁重的计算资源需求，通过伪标签和蒸馏模型实现更高性能的模型训练。

    May, 2022

  • 遥感监督学习图像分类主动学习算法综述

    本文综述和测试了主要的主动学习算法，研究了许多具有挑战性的遥感场景，包括高分辨率和高光谱图像分类。提供给未经验的用户选择良好架构的指南。

    Apr, 2021