محققان در تازهترین دستاورد خود، متد جدیدی به نام «CARE-DPP» را معرفی کردهاند که به طور خاص برای یادگیری فعال (Active Learning) در دادههای صوتی زیستمحیطی طراحی شده است.
این روش با استفاده از ترکیب «عدم قطعیت مدل» و «نوآوری در فضای نهفته»، به جای پردازش حجم انبوهی از دادهها، تنها دادههای کلیدی و غیرتکراری را انتخاب میکند تا دقت مدلهای طبقهبندی تنوع زیستی را به شکل چشمگیری افزایش دهد. طبق نتایج، این تکنیک عملکردی بسیار بهتر از روشهای پایه قبلی (CoreSet) داشته و گام موثری در خودکارسازی نظارت بر حیاتوحش محسوب میشود. 🐾
منبع: arXiv Machine Learning