在机器学习中获得标注数据是一个重要的部分。但是在一些专业领域，标注成本高,成本高，导致了获得标注数据困难。主动学习的方法能够有效的节约标注成本。但是传统主动学习方法往往注重低置信度样本的挑选，而忽略高置信度样本的标注和使用。本次报告就讲述一个结合自步学习的主动学习模型框架ASPL，解决高置信度样本的标注和利用的问题，有效的减少了标记数据的数量且该模型具有较强的抗噪声能力。
附件-Active Self-paced learning.pdf
原创文章，作者：BFS，如若转载，请注明出处：https://www.isclab.org.cn/2019/02/24/%e5%ad%a6%e6%9c%af%e6%8a%a5%e5%91%8a-active-self-paced-learning/