The current state of the art in on-

The current state of the art in on-line PD detection, still
requires high expert labour to label the electrical pulses. In
this paper, we propose a Active learning (AL) [21], [27]
approach for streaming data that aims to maintain an accurate
on-line model that is robust to class imbalances by carefully
selecting the most informative instances. A review of the active
learning literature can be found in [21] and [27] proposes how
to apply different active learning strategies in a data stream
classification setting.

ผลลัพธ์ (ไทย) 1:

ในปัจจุบันสถานะของศิลปะใน PD ตรวจสอบ นิ่งต้องใช้แรงงานผู้เชี่ยวชาญสูงเพื่อป้ายสัญญาณไฟฟ้า ในกระดาษนี้ เรานำเสนอเป็นการเรียนรู้ (AL) [21], [27]แนวทางสำหรับการสตรีมข้อมูลที่มีวัตถุประสงค์เพื่อรักษาความถูกต้องรุ่นออนไลน์ที่มีประสิทธิภาพเพื่อความไม่สมดุลของระดับโดยระมัดระวังเลือกอินสแตนซ์ที่ประโยชน์สูงสุด รีวิวการใช้งานเรียนรู้วรรณกรรมสามารถพบได้ใน [21] [27] และเสนอวิธีการใช้กลยุทธ์การเรียนรู้ต่าง ๆ ในการสตรีมข้อมูลการตั้งค่าการจัดประเภท

ผลลัพธ์ (ไทย) 2:

สถานะปัจจุบันของศิลปะในการตรวจสอบ PD ในบรรทัดที่ยังคง
ต้องใช้แรงงานที่มีความเชี่ยวชาญสูงที่จะติดป้ายพัลส์ไฟฟ้า ใน
บทความนี้เราจะนำเสนอการเรียนรู้ที่ใช้งาน (AL) [21] [27]
วิธีการสำหรับข้อมูลสตรีมมิ่งที่มีจุดมุ่งหมายในการรักษาที่ถูกต้อง
รูปแบบ On-line ที่มีประสิทธิภาพเพื่อความไม่สมดุลของระดับโดยระมัดระวังการ
เลือกกรณีข้อมูลมากที่สุด การทบทวนการใช้งาน
วรรณกรรมการเรียนรู้ที่สามารถพบได้ใน [21] และ [27] เสนอวิธีการ
ที่จะใช้กลยุทธ์การเรียนรู้การใช้งานที่แตกต่างกันในกระแสข้อมูล
การตั้งค่าการจัดหมวดหมู่

ผลลัพธ์ (ไทย) 3:

สถานะปัจจุบันของศิลปะในตรวจจับ PD ออนไลน์ยังคงต้องใช้แรงงานผู้เชี่ยวชาญสูงป้ายพัลส์ไฟฟ้า ในกระดาษนี้ เราเสนอกิจกรรมการเรียนรู้ ( AL ) [ 21 ] , [ 27 ]วิธีการสตรีมข้อมูลที่มุ่งรักษาที่ถูกต้องออนไลน์รุ่นที่แข็งแกร่งระดับความไม่สมดุลโดยรอบคอบการเลือกอินสแตนซ์ข้อมูลมากที่สุด รีวิวของงานการเรียนรู้วรรณคดีสามารถพบได้ใน [ 21 ] และ [ 27 ] เสนออย่างไรการใช้กลวิธีการเรียนที่แตกต่างกันอยู่ในกระแสข้อมูลการตั้งค่าการจำแนก