Glosario IA
El diccionario completo de la Inteligencia Artificial
Consulta por comité
Enfoque en el que un comité de modelos vota para identificar las muestras con el mayor desacuerdo entre los miembros.
Muestreo por incertidumbre
Estrategia que selecciona las muestras para las cuales el modelo actual es el menos seguro de sus predicciones.
Aprendizaje Activo por Pool
Método en el que el algoritmo selecciona las muestras más informativas desde un pool de datos no etiquetados.
Aprendizaje Activo en Flujo
Enfoque en el que cada muestra llega secuencialmente y el sistema decide instantáneamente si etiquetarla o no.
Densidad Ponderada
Estrategia que combina la incertidumbre del modelo con la densidad de los datos para evitar los valores atípicos y favorecer las regiones representativas.
Estrategias Basadas en los Márgenes
Selección basada en el margen entre las clases más probables, priorizando las muestras cerca de la frontera de decisión.
Aprendizaje Activo para Deep Learning
Adaptación de las estrategias de aprendizaje activo específicamente optimizadas para las arquitecturas de redes neuronales profundas.
Aprendizaje Activo Adversario
Uso de modelos generativos adversarios para crear o seleccionar muestras que maximizan la incertidumbre del clasificador.
Aprendizaje Activo Multi-anotador
Estrategias que optimizan la selección de muestras y la asignación a los anotadores en función de su experiencia y costo.
Aprendizaje Activo consciente del presupuesto
Enfoques que integran restricciones de presupuesto y costos variables de anotación en la estrategia de selección.
Aprendizaje Activo por Refuerzo
Utilización de agentes de aprendizaje por refuerzo para aprender la política óptima de selección de muestras.
Aprendizaje Activo para NLP
Estrategias especializadas para el procesamiento del lenguaje natural, gestionando las particularidades de los datos textuales y secuenciales.