面向高维二值特征的活动学习
机器学习
2019-06-12 v2 应用统计
机器学习
摘要
掺铒光纤放大器（EDFA）是一种光放大器/中继设备，用于增强通过光纤通信系统传输的光信号强度。由于 EDFA 在光网络管理与优化中起着关键作用，因此高精度的 EDFA 模型十分重要。EDFA 器件的输入通道被视为开启或关闭，故其输入特征为二值。对于 EDFA 器件，带标签的训练数据收集成本极高，因此我们设计了一种适用于二值变量的活动学习策略以克服该问题。我们提出利用稀疏线性模型来简化预测模型。该方法同时改善了预测性能并加速了活动学习查询的生成。我们在模拟数据与真实 EDFA 数据上展示了所提活动学习策略的性能。
引用
@article{arxiv.1902.01923,
title = {Active Learning for High-Dimensional Binary Features},
author = {Ali Vahdat and Mouloud Belbahri and Vahid Partovi Nia},
journal= {arXiv preprint arXiv:1902.01923},
year = {2019}
}