مقاله حداکثر چارچوب آنتروپی برای یادگیری نیمه نظارت و فعال

عنوان مقاله فارسی: حداکثر چارچوب آنتروپی برای یادگیری نیمه نظارت و فعال با کلاسهای ناشناخته و ناچیز عنوان مقاله لاتین: A Maximum Entropy Framework for Semisupervised and Active Learning With Unknown and Label-Scarce Classes نویسندگان: Zhicong Qiu; David J. Miller; George Kesidis تعداد صفحات: 16 سال انتشار: 2017 زبان: لاتین Abstract: We investigate semisupervised learning (SL) and pool-based active learning (AL) of a classifier for domains with label-scarce (LS) and unknown categories, i.e., defined categories for which there are initially no labeled examples. This scenario manifests, e.g., when a category is rare, or expensive to label. There are several learning issues when there are unknown categories: 1) it is a priori unknown which subset of (possibly many)