محققان در مقاله جدید خود به سراغ یکی از چالشهای همیشگی در یادگیری نیمهنظارتی رفتهاند: انتخاب آستانه (Threshold) برای انتخاب برچسبهای کاذب (Pseudo-labels). معمولاً این آستانه به صورت دستی تنظیم میشود، اما در روش جدید «Meta-Thresholding Semi-Supervised Learning» یا به اختصار MTSSL، آستانه به عنوان یک پارامتر قابل بهروزرسانی در نظر گرفته شده است.
این یعنی مدل میتواند در طول آموزش، خودش مقدار بهینه را پیدا کند که باعث انعطافپذیری بیشتر و بهبود عملکرد کلی مدلهای یادگیری نیمهنظارتی میشود. یک قدم بزرگ دیگر به سمت خودکارسازی کامل هوش مصنوعی! 🤖✨
نظارتی
منبع: arXiv Machine Learning