借助时间预测损失在感知中利用时间属性进行基于流的主动学习
原文中文,约400字,阅读约需1分钟。发表于: 。我们通过利用时间性质和引入一种新的方法,即时预测损失方法 (TPL),在移动设备和机器人上实现了流媒体主导的主动学习方法。我们还通过比较基于池的方法和基于流媒体的方法,证明了 TPL 方法在感知应用中的高性能,能够显著提高数据选择的多样性和准确性。
本研究提出了一种基于关注条件神经过程模型的新型 LAL 方法,用于分类,适应特定设置和非标准目标,实验证明其优于多种基线方法。需要进一步提高可伸缩性。该研究为未来的 LAL 工作提供启发。