【主动学习】必读论文合集推荐 丨生成对抗性主动学习、学习损失等

主动学习（Active learning or query learning）作为机器学习的一个分支其主要是针对数据标签较少或打标签“代价”较高这一场景而设计的，在统计学中主动学习又被称为最优实验设计（optimal experimetal design）。其主要方式是模型通过与用户或专家进行交互，抛出"query"(unlabel data)让专家确定数据的标签，如此反复，以期让模型利用较少的标记数据获得较好“性能”。

关于主动学习，AMiner整理了相关论文，助大家更深入了解近年来的发展情况。点击链接查看论文合集：https://www.aminer.cn/topic/5e7ef61ac1b7e55a5aea64cd?f=cs

1.Generative Adversarial Active Learning for Unsupervised Outlier Detection.

“我们通过从均匀参考分布中抽取潜在的异常值，将异常值检测视为二元分类问题…我们提出了一种用于异常值检测的单目标生成对抗主动学习（SO-GAAL）方法，该方法可以基于生成器和鉴别器之间的最小最大博弈直接生成信息潜在异常值…结果表明，MO-GAAL在大多数情况下优于竞争对手，特别是对于具有各种聚类类型或高不相关变量比的数据集…”
PDF下载链接：https://www.aminer.cn/pub/5bdc31b817c44a1f58a0be3b/?f=cs

2.Bayesian Generative Active Deep Learning.

“我们提出了一种贝叶斯生成主动深度学习方法，它将主动学习与数据增强相结合 - 我们提供理论和经验证据（MNIST，CIFAR-$10，100$和SVHN），我们的方法比数据增强和主动学习具有更有效的训练和更好的分类结果…”
PDF下载链接：https://www.aminer.cn/pub/5ce3ae1aced107d4c65d31b9/?f=cs

3.Learning Loss For Active Learning

“我们提出了一种新颖的主动学习方法，该方法简单但与任务无关，并且可以有效地与深度网络配合使用。我们将一个名为“损失预测模块”的小型参数模块附加到目标网络，并学习它来预测未标记输入的目标损失…我们通过图像分类，对象检测和人体姿势估计，使用最新的网络架构严格验证我们的方法。结果表明，与任务相比，我们的方法始终优于以前的方法…”
PDF下载链接：https://www.aminer.cn/pub/5cf48a22da56291d58282fec/?f=cs

4.Cost-Effective Training of Deep CNNs with Active Model Adaptation.

“在本文中，我们建议通过积极地使预训练模型适应具有较少标记的示例的新任务来克服这些挑战。具体而言，预先训练的模型是根据最有用的示例进行迭代微调的…在多个数据集和不同预训练模型上的实验表明，所提出的方法可以实现DNN的成本效益训练…”
PDF下载链接：https://www.aminer.cn/pub/5a9cb65d17c44a376ffb80b6/?f=cs

5.Active Feature Acquisition with Supervised Matrix Completion.

“我们试图通过联合执行活动特征查询和监督矩阵完成来训练一个具有最低获取成本的有效分类模型。在完成特征矩阵时，提出一种新的目标函数，以同时最小化观测条目的重构误差和训练数据的监督损失…所提方法的有效性得到了理论分析和实验研究的充分验证…”
PDF下载链接：https://www.aminer.cn/pub/5a9cb66717c44a376ffb8b2f/?f=cs

6.Learning with rationales for document classification.

“我们提出了一种简单而有效的文档分类方法，可以将从注释器中得出的理由纳入任何现成分类器的训练中…此外，我们还提出并评估了一种专门为基本原理框架学习量身定制的主动学习方法…”
PDF下载链接：https://www.aminer.cn/pub/5ac1826c17c44a1fda915124/?f=cs

点击链接进入AMiner官网，查看更多优质论文：https://www.aminer.cn/?f=cs