研究提出基于信息弃权的主动学习准则
热点事件持续更新
研究提出基于信息弃权的主动学习准则
1 篇报道1 个报道来源16 小时前更新
先了解这件事
AI 综述
Setoudehtazangi等人发表论文,探讨预言机可拒绝且响应概率与分类器共享参数时的标签获取问题。 研究推导出调整后的分类器信息,并结合多类零一风险局部曲率,建立了旨在最小化渐近超额风险的获取准则。 在消费者投诉回放的实验中,响应感知获取策略在最大预算下的测试错误率,显著低于响应折减获取策略。
AI 根据报道生成 · 7 小时前更新
最新进展11月20日 13:00
风险最优主动学习:基于信息拒绝的查询获取准则报道时间线
沿着报道,了解事件的不同侧面。
11月20日
- arXiv · ML风险最优主动学习:基于信息拒绝的查询获取准则
研究在预言机可拒绝且响应概率与分类器共享参数下的标签获取问题。 推导出调整后的分类器信息并结合多类零一风险局部曲率,建立最小化渐近超额风险的获取准则。 在消费者投诉回放中,响应感知获取在最大预算下测试错误率显著低于响应折减获取。
本事件热度走势
- 可比范围当前
- 6
- 可比范围峰值
- 811月20日 23:00
- 近 24 小时变化
- –
02468
23:0011月21日01:0002:0003:0004:0005:00
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。