Apprentissage en ensemble ouvert

L'apprentissage sur ensemble ouvert (OSL) est un cadre d'apprentissage automatique plus complexe dans le monde réel, visant à gérer les cas où les échantillons de test contiennent de nouvelles classes qui n'ont pas été présentes lors de la phase d'entraînement. Contrairement à l'apprentissage supervisé traditionnel, l'OSL exige non seulement que le modèle classe avec précision les échantillons des catégories connues, mais aussi qu'il identifie et rejette efficacement les échantillons des catégories inconnues. Cette technologie présente une valeur d'application importante dans des domaines tels que la surveillance de sécurité et le diagnostic médical, en améliorant la robustesse et les capacités de généralisation des systèmes.