Recherche
La plupart des modèles actuels de réseaux sont entraînés par des bases supervisées. La confection de ces dernières a un coût élevé. L’apprentissage actif consiste à utiliser un modèle partiellement entraîné pour sélectionner l’ensemble des prochaines données à annoter. Ces techniques permettent de gagner, sur certaines applications, un ratio de 10 sur le nombre de données à annoter pour obtenir la même performance de modèle.