信息凝聚主动学习
机器学习
2020-02-21 v2 机器学习
摘要
我们提出信息凝聚主动学习（ICAL），一种面向深度贝叶斯主动学习的批处理模式、模型无关的主动学习（AL）方法，其目标是为那些关于尚未获取的点具有尽可能多信息的点获取标签。ICAL 使用希尔伯特-施密特独立性准则（HSIC）来衡量候选点批与未标记集之间依赖关系的强度。我们开发了关键优化，使方法可扩展到大型未标记集。在多个图像数据集上，相较于最先进的深度学习批处理模式 AL 方法，我们在模型准确率和负对数似然（NLL）方面均显示出显著提升。
引用
@article{arxiv.2002.07916,
title = {Information Condensing Active Learning},
author = {Siddhartha Jain and Ge Liu and David Gifford},
journal= {arXiv preprint arXiv:2002.07916},
year = {2020}
}