روش یادگیری فعال یکی از روش های یادگیری فازی است که الگو گرفته از پردازش در مغز انسان است. اپراتور پخش قطره جوهر، موتور اصلی پردازشی در این روش است که به دور از فرمول های پیچیده، به دنبال یافتن رابطه بین خروجی و هر یک از ورودی ها است. زیاد بودن حافظه مورد نیاز برای پیاده سازی صفحات پخش قطره جوهر و همچنین حجم محاسبات زیاد لازم برای استخراج ویژگی ها از جمله مشکلات پیش روی اپراتور پخش قطره جوهر است. در این مقاله یک روش جایگزین برای اپراتور پخش قطره جوهر ارائه شده است که سبب کاهش چشم گیر پیچیدگی محاسباتی می شود. الگوریتم ارائه شده با استفاده از دو بردار حافظه به توصیف صفحات پخش جوهر می پردازد که مشکل اتلاف زیاد حافظه را حل می کند. الگوریتم پیشنهادی، ویژگی های مسیر باریک و پراکندگی داده در صفحات پخش قطره جوهر را که مهم ترین مفاهیم برای استفاده در مرحله استنتاج الگوریتم یادگیری فعال هستند را با صرف کمترین هزینه و زمان محاسباتی می یابد. برای بررسی صحت عملکرد الگوریتم، شبیه سازی هایی بر روی مجموعه داده های استاندارد در حوزه مدل سازی و طبقه بندی ارائه شده است. زمان و دقت الگوریتم پیشنهادی با روش یادگیری فعال، شبکه های عصبی چندلایه پرسپترون و سیستم استنتاج عصبی-فازی تطبیق پذیر مقایسه شده است.