【ICML2022】GALAXY:极化图主动学习

2022 年 6 月 12 日 专知



主动学习是一种标记高效的方法,通过交互式地选择一小部分未标记数据进行标记和训练,从而训练出高效的模型。在“开放世界”设置中,感兴趣的类只占整个数据集的一小部分——大多数数据可能被视为非分布或无关类。这导致了极端的类别不平衡,我们的理论和方法都集中在这个核心问题上。我们提出了一种新的主动学习策略,称为GALAXY (Graph-based active learning At the eXtrEme),它融合了基于图的主动学习和深度学习的思想。与大多数主动学习方法相比,GALAXY能够自动自适应地选择更多类别平衡的样本进行标记。我们的理论表明,GALAXY执行了一种精细的不确定性抽样,它比普通的不确定性抽样收集了更类平衡的数据集。通过实验,我们证明了在从流行数据集生成的不平衡视觉分类设置中,GALAXY优于现有的先进深度主动学习算法。



专知便捷查看

便捷下载,请关注专知公众号(点击上方蓝色专知关注)

  • 后台回复“GBALE” 就可以获取【ICML2022】GALAXY:极化图主动学习》专知下载链接

                       
专知,专业可信的人工智能知识分发 ,让认知协作更快更好!欢迎注册登录专知www.zhuanzhi.ai,获取100000+AI(AI与军事、医药、公安等)主题干货知识资料!
欢迎微信扫一扫加入专知人工智能知识星球群,获取最新AI专业干货知识教程资料和与专家交流咨询
点击“ 阅读原文 ”,了解使用 专知 ,查看获取100000+AI主题知识资料
登录查看更多
2

相关内容

【ICML2022】图神经网络的局域数据增强方法
专知会员服务
29+阅读 · 2022年7月24日
【ICML2022】Transformer是元强化学习器
专知会员服务
50+阅读 · 2022年6月15日
专知会员服务
20+阅读 · 2021年8月26日
专知会员服务
23+阅读 · 2021年8月11日
专知会员服务
21+阅读 · 2021年6月14日
专知会员服务
21+阅读 · 2021年5月27日
专知会员服务
20+阅读 · 2021年5月14日
专知会员服务
79+阅读 · 2021年5月10日
专知会员服务
36+阅读 · 2021年3月29日
最新《域自适应视觉应用》ECCV2020教程,43页PPT
专知会员服务
25+阅读 · 2020年11月5日
【ICML2022教程】智能交互式学习,80页ppt
专知
0+阅读 · 2022年7月22日
【ICML2022】深入探讨置换敏感图神经网络
AAAI 2022 | ProtGNN:自解释图神经网络
专知
9+阅读 · 2022年2月28日
【ICML2021】因果匹配领域泛化
专知
10+阅读 · 2021年8月12日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
12+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年7月26日
Arxiv
0+阅读 · 2022年7月25日
Max-Margin Contrastive Learning
Arxiv
17+阅读 · 2021年12月21日
Meta-Learning to Cluster
Arxiv
17+阅读 · 2019年10月30日
VIP会员
相关VIP内容
【ICML2022】图神经网络的局域数据增强方法
专知会员服务
29+阅读 · 2022年7月24日
【ICML2022】Transformer是元强化学习器
专知会员服务
50+阅读 · 2022年6月15日
专知会员服务
20+阅读 · 2021年8月26日
专知会员服务
23+阅读 · 2021年8月11日
专知会员服务
21+阅读 · 2021年6月14日
专知会员服务
21+阅读 · 2021年5月27日
专知会员服务
20+阅读 · 2021年5月14日
专知会员服务
79+阅读 · 2021年5月10日
专知会员服务
36+阅读 · 2021年3月29日
最新《域自适应视觉应用》ECCV2020教程,43页PPT
专知会员服务
25+阅读 · 2020年11月5日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
12+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Top
微信扫码咨询专知VIP会员