Acceso usuarios
Iquique, Chile
Colombia
Perú
Colombia
El artículo aborda el campo del Deep Active Learning en Machine Learning, resaltando la capacidad para mejorar la eficiencia de modelos al seleccionar y etiquetar datos proactivamente, a pesar de aplicaciones exitosas en modelación de materiales y reconocimiento de congestión en tráfico aéreo, se identifican lagunas críticas, como la adaptabilidad en contextos específicos. El objetivo es examinar las tendencias investigativas, La metodología abarca un análisis bibliométrico en las bases de datos Scopus y Web of Science regido por PRISMA 2020. Los resultados revelan un crecimiento exponencial en publicaciones, destacando los años 2021- 2023. El autor Li Y es reconocido por productividad e impacto. El análisis temático muestra una evolución desde aprendizaje activo hasta aprendizaje profundo, la clasificación funcional de palabras clave proporciona una comprensión profunda de la diversidad de temas emergentes, en conclusión, el estudio destaca la importancia y dinamismo del campo, identificando líderes y sugiriendo direcciones para futuras investigaciones.
This article addresses the field of deep active learning in machine learning, highlighting the ability to improve model efficiency by proactively selecting and labeling data. Despite successful applications in materials modeling and air traffic congestion detection, critical gaps are identified. such as adaptability in specific contexts. The goal is to examine research trends. The methodology includes a bibliometric analysis in the Scopus and Web of Science databases governed by PRISMA 2020. The results show an exponential growth in publications, highlighting the years 2021-2023. Author Li Y is recognized for productivity and impact. Thematic analysis shows an evolution from active learning to deep learning, functional keyword classification provides a deep understanding of the diversity of emerging topics, and finally, the study highlights the importance and dynamism of the field, identifying leaders and suggesting directions for future research.
