通过样本一致性评估的主动学习
公开
摘要
一种主动学习的方法(400)包括获取未标记的训练样本集合(112U)，和对于每一个样本扰动样本以生成增强训练样本(112A)。方法包括使用机器学习模型(130)来生成两种样本的预测标签(134P)，并确定所述未标记的训练样本的不一致值(142)，不一致值(142)表示未标记的样本和增强训练样本的预测标签之间的差。方法包括基于所述不一致值对未标记的训练样本进行排序，以及对于从排序的样本中选择的阈值数量的样本(112UT)获取地面真实标签(134G)。方法包括选择当前的标记的训练样本集合，其包括与对应的地面真实标签配对的每个选择的未标记的训练样本。方法包括使用当前的集合和未标记的训练样本的适当子集(112UP)来训练机器学习模型。
基本信息
专利标题 ：
通过样本一致性评估的主动学习
专利标题（英）：
暂无
公开（公告）号 ：
CN114600117A
申请号 ：
CN202080073812.2
公开（公告）日 ：
2022-06-07
申请日 ：
2020-08-21
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
张子钊托马斯·乔·菲斯特塞尔坎·奥马尔·阿里克高鸣飞
申请人 ：
谷歌有限责任公司
申请人地址 ：
美国加利福尼亚州
代理机构 ：
上海华诚知识产权代理有限公司
代理人 ：
肖华
优先权 ：
CN202080073812.2
主分类号 ：
G06K9/62
IPC分类号 ：
G06K9/62
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06K
数据识别；数据表示；记录载体；记录载体的处理
G06K9/00
用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置
G06K9/62
应用电子设备进行识别的方法或装置
法律状态
2022-06-07 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
