LEARNING
用于偏好学习的主动查询合成
Namrata Nadagouda, Nauman Ahad, Maegan Tucker, Mark A. Davenport
- 发表年份
- 2026
- 引用次数
- 0
- 访问权限
- 开放获取
摘要
本文提出了一种名为Info-Synth的主动查询合成框架，通过最大化连续空间中的互信息目标来生成最优查询，从而解决偏好学习中的标签成本问题。同时，引入了置信度感知的响应模型，以处理模糊比较带来的低置信度反馈，并提出了两种策略扩展至有限查询池场景。
关键词
active learningpreference learningquery synthesisconfidence-awaremutual information
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018