A. Related Works on Active Learning

A. Related Works on Active Learning
Cohn et al. [22] describe how optimal data selection techniques
can be applied to statistically-based learning algorithms
like a mixture of Gaussians and locally weighted regression.
The algorithm selects instances that if labeled and added to
the training set, minimizes the expected error on future test
data. The authors show that the statistical models perform
more efficiently and accurately than the feedforward neural
networks.

ผลลัพธ์ (ไทย) 1:

อ.ผลงานที่เกี่ยวข้องในการเรียนรู้ที่ใช้งานอยู่เทคนิคเลือกข้อมูลที่เหมาะสมวิธีอธิบายคอห์น et al. [22]สามารถใช้กับอัลกอริทึมทางสถิติโดยใช้การเรียนรู้เช่นส่วนผสม ของ Gaussians และเครื่องถ่วงน้ำหนักถดถอยเลือกอัลกอริทึมอินสแตนซ์ที่ติดป้าย และเพิ่มชุดฝึกอบรม ลดข้อผิดพลาดที่คาดไว้ในการทดสอบในอนาคตข้อมูล ดูผู้เขียนที่ดำเนินการแบบจำลองทางสถิติได้อย่างมีประสิทธิภาพ และแม่นยำกว่า feedforward ประสาทเครือข่าย

ผลลัพธ์ (ไทย) 2:

A. การทำงานที่เกี่ยวข้องในการเรียนรู้ที่ใช้งาน
Cohn et al, [22]
อธิบายวิธีเทคนิคการเลือกข้อมูลที่เหมาะสมสามารถนำไปใช้ในทางสถิติตามขั้นตอนวิธีการเรียนรู้เช่นส่วนผสมของ
Gaussians และน้ำหนักในประเทศถดถอย. อัลกอริทึมเลือกกรณีที่ว่าถ้าติดป้ายและเพิ่มไปยังชุดฝึกอบรมการช่วยลดข้อผิดพลาดคาดว่าในการทดสอบในอนาคตข้อมูล. ผู้เขียนแสดงให้เห็นว่าแบบจำลองทางสถิติดำเนินการได้อย่างมีประสิทธิภาพและถูกต้องกว่าประสาทคราทเครือข่าย

ผลลัพธ์ (ไทย) 3:

1 . งานที่เกี่ยวข้องในการเรียนรู้
ปราดเปรียว โคน et al . [ 22 ] อธิบายวิธีที่ดีที่สุดการเลือกข้อมูลเทคนิค
สามารถใช้กับสถิติตามอัลกอริทึมการเรียนรู้
เหมือนผสมในการ gaussians ถ่วงน้ำหนัก .
ขั้นตอนวิธีการเลือกอินสแตนซ์ว่า ถ้าข้อความและเพิ่ม

ชุดฝึกอบรม ลดข้อผิดพลาดในข้อมูลทดสอบ
คาดหวังในอนาคตผู้เขียนแสดงให้เห็นว่าแบบจำลองทางสถิติแสดง
มีประสิทธิภาพมากขึ้นและถูกต้องกว่าไปข้างหน้า
ประสาทเครือข่าย