Buchumschlag

Making Better Use of Unlabelled Data in Bayesian Active Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Smith, Freddie Bickford, Foster, Adam, Rainforth, Tom
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Loss-Driven Bayesian Active Learning
von: Huang, Zhuoyue, et al.
Veröffentlicht: (2026)

Prediction-Oriented Subsampling from Data Streams
von: Mussati, Benedetta Lavinia, et al.
Veröffentlicht: (2025)

Scaling Up Active Testing to Large Language Models
von: Berrada, Gabrielle, et al.
Veröffentlicht: (2025)

Rethinking Aleatoric and Epistemic Uncertainty
von: Smith, Freddie Bickford, et al.
Veröffentlicht: (2024)

Incorporating Unlabelled Data into Bayesian Neural Networks
von: Sharma, Mrinank, et al.
Veröffentlicht: (2023)

BED-LLM: Intelligent Information Gathering with LLMs and Bayesian Experimental Design
von: Choudhury, Deepro, et al.
Veröffentlicht: (2025)

Active Learning with Task-Driven Representations for Messy Pools
von: Ashouritaklimi, Kianoosh, et al.
Veröffentlicht: (2025)

Beyond Bayesian Model Averaging over Paths in Probabilistic Programs with Stochastic Support
von: Reichelt, Tim, et al.
Veröffentlicht: (2023)

Step-DAD: Semi-Amortized Policy-Based Bayesian Experimental Design
von: Hedman, Marcel, et al.
Veröffentlicht: (2025)

In-Context Learning Learns Label Relationships but Is Not Conventional Learning
von: Kossen, Jannik, et al.
Veröffentlicht: (2023)

On the Expected Size of Conformal Prediction Sets
von: Dhillon, Guneet S., et al.
Veröffentlicht: (2023)

A Geometric Approach to Optimal Experimental Design
von: Kerrigan, Gavin, et al.
Veröffentlicht: (2025)

LAUD: Integrating Large Language Models with Active Learning for Unlabeled Data
von: Chou, Tzu-Hsuan, et al.
Veröffentlicht: (2025)

Robust Amortized Bayesian Inference with Self-Consistency Losses on Unlabeled Data
von: Mishra, Aayush, et al.
Veröffentlicht: (2025)

Cleaning the Pool: Progressive Filtering of Unlabeled Pools in Deep Active Learning
von: Huseljic, Denis, et al.
Veröffentlicht: (2025)

Offline Reinforcement Learning with Domain-Unlabeled Data
von: Nishimori, Soichiro, et al.
Veröffentlicht: (2024)

Learning from Uncertain Similarity and Unlabeled Data
von: Wei, Meng, et al.
Veröffentlicht: (2025)

Active Few-Shot Learning for Vertex Classification Starting from an Unlabeled Dataset
von: Burr, Felix, et al.
Veröffentlicht: (2025)

High-Dimensional Bayesian Optimization via Semi-Supervised Learning with Optimized Unlabeled Data Sampling
von: Yin, Yuxuan, et al.
Veröffentlicht: (2023)

On Leveraging Unlabeled Data for Concurrent Positive-Unlabeled Classification and Robust Generation
von: Yu, Bing, et al.
Veröffentlicht: (2020)

Big Batch Bayesian Active Learning by Considering Predictive Probabilities
von: Ober, Sebastian W., et al.
Veröffentlicht: (2025)

Amortized Active Causal Induction with Deep Reinforcement Learning
von: Annadani, Yashas, et al.
Veröffentlicht: (2024)

Generative Flows on Discrete State-Spaces: Enabling Multimodal Flows with Applications to Protein Co-Design
von: Campbell, Andrew, et al.
Veröffentlicht: (2024)

Positive-Unlabelled Active Learning to Curate a Dataset for Orca Resident Interpretation
von: Nestor, Bret, et al.
Veröffentlicht: (2026)

Unified Alignment Protocol: Making Sense of the Unlabeled Data in New Domains
von: Ahmed, Sabbir, et al.
Veröffentlicht: (2025)

Deep Positive-Unlabeled Anomaly Detection for Contaminated Unlabeled Data
von: Takahashi, Hiroshi, et al.
Veröffentlicht: (2024)

Unlabeled Data Can Provably Enhance In-Context Learning of Transformers
von: Liu, Renpu, et al.
Veröffentlicht: (2026)

Proper Learnability and the Role of Unlabeled Data
von: Asilis, Julian, et al.
Veröffentlicht: (2025)

Online Performance Estimation with Unlabeled Data: A Bayesian Application of the Hui-Walter Paradigm
von: Slote, Kevin, et al.
Veröffentlicht: (2024)

Towards Robust Continual Learning with Bayesian Adaptive Moment Regularization
von: Foster, Jack, et al.
Veröffentlicht: (2023)

Theoretical Foundations of Representation Learning using Unlabeled Data: Statistics and Optimization
von: Esser, Pascal, et al.
Veröffentlicht: (2025)

Foundation Model Makes Clustering A Better Initialization For Cold-Start Active Learning
von: Yuan, Han, et al.
Veröffentlicht: (2024)

Bayesian Active Learning for Multi-Criteria Comparative Judgement in Educational Assessment
von: Gray, Andy, et al.
Veröffentlicht: (2025)

Collaborative Unlabeled Data Optimization
von: Shang, Xinyi, et al.
Veröffentlicht: (2025)

Adapting to Shifting Correlations with Unlabeled Data Calibration
von: Nguyen, Minh, et al.
Veröffentlicht: (2024)

Heterogeneous Domain Adaptation with Positive and Unlabeled Data
von: Mori, Junki, et al.
Veröffentlicht: (2023)

Out-Of-Domain Unlabeled Data Improves Generalization
von: Saberi, Amir Hossein, et al.
Veröffentlicht: (2023)

Sample-Optimal Agnostic Boosting with Unlabeled Data
von: Ghai, Udaya, et al.
Veröffentlicht: (2025)

Coupled Training with Privileged Information and Unlabeled Data
von: Shi, Jiahao, et al.
Veröffentlicht: (2026)

In-Context Positive-Unlabeled Learning
von: Liu, Siyan, et al.
Veröffentlicht: (2026)