李，杭；恩里克·德尔·卡斯蒂略；乔治·伦格 重编：“关于流形数据的主动学习方法”。 （英语） Zbl 1439.62265号 测试 29，第1期，42-49页（2020年）. 小结：我们感谢讨论者的评论和对我们手稿的仔细阅读，这对我们的演讲起到了增强和补充作用。我们也感谢TEST的编辑们给我们这个机会，更详细地澄清我们工作的某些方面。在接下来的内容中，我们首先讨论两组讨论者触及的一些问题，然后考虑他们各自的评论。最后，我们描述了一种方法，该方法可以通过重新利用以前的学习来提高SSGP-AL方法用于分类时所需的再培训速度，而不是在每个AL周期从头开始重新估计GP模型[作者，同上29，第1号，1-33（2020；Zbl 1439.62264号)]. MSC公司： 62兰特 歧管统计 68T05型 人工智能中的学习和自适应系统 关键词：歧管数据；主动学习 引文：Zbl 1439.62264号 软件：PMTK公司 PDF格式BibTeX公司 XML格式引用 \textit{H.Li}等人，测试29，No.1，42-49（2020；Zbl 1439.62265） 全文： 内政部 参考文献： [1] Aggarwal，Cc，《高维异常值检测：子空间方法》，149-184（2017），查姆：斯普林格，查姆 [2] Angiulli，F。；Pizzuti，C.，大型高维数据集中的离群点挖掘，IEEE Trans Knowl data Eng，17，2，203-215（2005）·doi:10.1109/TKDE.2005.31 [3] Belkin M（2003）流形学习问题。芝加哥大学博士论文 [4] Belkin M，Niyogi P（2005）：拉普拉斯流形方法的理论基础。摘自：学习理论会议记录·Zbl 1137.68521号 [5] Bordes，A。；埃尔特金，S。；J·韦斯顿。；Bottou，L.，《具有在线和主动学习功能的快速内核分类器》，J Mach Learn Res，61579-1619（2005）·兹比尔1222.68152 [6] Bui TD，Nguyen CV，Turner RE（2017），流稀疏高斯过程近似。主题：神经信息处理系统的进展。第30页 [7] de Matthews AGG，Hensman J，Turner R，Ghahramani Z（2016），关于稀疏变分方法和随机过程之间的Kullback-Leibler散度。摘自：第19届人工智能和统计国际会议记录。机器学习研究进展。西班牙加的斯，第51卷，第231-239页 [8] Gal Y、Islam R、Ghahramani Z（2017）《利用图像数据进行深度贝叶斯主动学习》。摘自：第34届机器学习国际会议论文集——第70卷。JMLR公司。组织，第1183-1192页 [9] 格莱美，Rb；Polson，Ng，《序贯设计和优化高斯过程模型的粒子学习》，《计算图形统计杂志》，20，1，102-118（2012）·doi:10.1198/jcgs.2010.09171 [10] 黄，H。；秦，H。；Yoo，S。；Yu，D.，基于物理的流形空间异常检测，ACM Trans Knowl Discov Data，9，2，141-1439（2014）·doi:10.1145/2641574 [11] Keller F，Muller E，Bohm K（2012）Hics：基于密度的离群值排名的高对比度子空间。在：2012年IEEE第28届数据工程国际会议，第1037-1048页，10.1109/ICDE.2012.88 [12] Kriegel，Hp；科尔格，P。；舒伯特，E。；Zimek，A。；Theeramunkong，T。；Kijsirikul，B。；Cercone，N。；Ho，Tb，高维数据轴平行子空间中的异常点检测，知识发现和数据挖掘进展，831-838（2009），柏林，海德堡：施普林格，柏林，海德堡 [13] Li H（2020）关于流形数据的主动学习方法。宾夕法尼亚州立大学工业与制造工程系博士论文（即将出版）·Zbl 1439.62264号 [14] Muller E，Assent I，Steinhausen U，Seidl T（2008）《超越等级：高维数据中的排名异常值》。2008年IEEE第24届国际数据工程研讨会。第600-603页10.1109/ICDEW.2008.4498387 [15] Murphy，Kp，《机器学习：概率观点》（2012），剑桥：麻省理工学院出版社，剑桥·Zbl 1295.68003号 [16] 帕克，C。；黄，Jz；Ding，Y.，大型空间数据集快速高斯过程回归的区域分解方法，J Mach Learn Res，121697-1728（2011）·Zbl 1280.60026号 [17] 拉斯穆森，Ce；Williams，Cki，机器学习的高斯过程。自适应计算和机器学习（2006），剑桥：麻省理工学院出版社，剑桥·Zbl 1177.68165号 [18] Rendle S，Schmidt-Thieme L（2008）大型推荐系统的在线更新正则化核矩阵分解模型。摘自：2008年ACM推荐系统会议记录，RecSys’08。美国纽约州纽约市ACM，第251-258页。10.1145/1454008.1454047. 网址doi:10.1145/1454008.1454047 [19] Sathe S，Aggarwal C（2016）Lodes:局部密度满足光谱异常检测。摘自：2016年SIAM数据挖掘国际会议记录。第171-179页。10.1137/1.9781611974348.20. 网址doi:10.1137/1.9781611974348.20 [20] Settles，B.，《主动学习》（2012），圣拉斐尔：摩根和克莱普尔，圣拉菲尔·Zbl 1270.68006号 [21] Tajbakhsh SD，Aybat NS，Del Castillo E（2014）稀疏精度矩阵选择，用于将高斯随机场模型拟合到大型数据集。arXiv预打印arXiv:1405.5576·Zbl 1390.62187号 [22] Tajbakhsh，Sd；艾巴特，Ns；Del Castillo，E.，《将多元高斯随机场拟合到大型数据集的广义稀疏精度矩阵选择》，Stat Sin，28941-962（2018）·Zbl 1390.62187号 [23] Titsias，Mk，稀疏高斯过程中诱导变量的变分学习，Artif Intell Stat，12，567-574（2009） [24] Vinueza A，Grudic G（2004）《无监督异常值检测和半监督学习》。技术报告CU-CS-976-04，科罗拉多大学博尔德分校计算机科学系技术报告914。https://schoolr.colorado.edu/csci_techreports/914。2019年12月19日访问 [25] Zhu X，Ghahramani Z，Lafferty J（2003）使用高斯场和调和函数的半监督学习。附：第二十届机器学习国际会议记录（ICML-03） 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。