SoQal：用于心电信号基于一致性的主动学习的选择性神谕询问
机器学习
2022-05-19 v3 机器学习
摘要
临床环境通常以大量无标签数据和有限有标签数据为特征。这通常由神谕（如医师）提供标注的高负担所驱动。减轻此负担的一种途径是主动学习（AL），其涉及信息性无标签样本的（a）获取与（b）标注。先前工作独立处理这两要素之一，我们提出一个同时解决两者的AL框架。对于获取，我们提出一致性贝叶斯主动学习（BALC），一个扰动样本与网络参数并量化网络输出概率分布变化的子框架。对于标注，我们提出SoQal，一个动态决定对每个获取的无标签样本是向神谕请求标签还是改为伪标注的子框架。我们表明BALC可优于BALD等最先进获取函数，且即便在含噪声神谕下SoQal也优于基线方法。
引用
@article{arxiv.2004.09557,
title = {SoQal: Selective Oracle Questioning for Consistency Based Active Learning of Cardiac Signals},
author = {Dani Kiyasseh and Tingting Zhu and David A. Clifton},
journal= {arXiv preprint arXiv:2004.09557},
year = {2022}
}
备注
ICML 2022