SSCAL半监督持续主动学习方法提出

研究人员Shiqi Zhang等提出了名为SSCAL的半监督持续主动学习策略。该方法旨在解决持续主动学习场景中伪标签是否应与标注样本共享迷你批次（Mini-Batch）这一具体问题。 SSCAL方法的核心在于基于未标注样本到邻近标注样本的距离生成伪标签，通过限制伪标签比例并重加权损失函数来提升模型性能。其优势在于能够在冻结嵌入上进行更新，无需额外的前向传播，且在固定训练成本下实现了资源的高效利用。 在基准测试方面，研究团队对SSCAL进行了跨数据集验证。结果显示，该策略在四个评估协议中平均排名第一位，证明了其在解决相关主动学习问题上的有效性。

AI 根据报道生成 · 57 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。