抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
本論文では,順次に到来するデータからの訓練分類モデルのためのオンライン能動学習の問題を研究した。学習者は,分類器を更新いかに効果的に把握する必要があるだけでなく,限られたラベル収支を与えられた入射インスタンスのラベルを質問に最適な時である時に決定する必要があるので,これは,従来のオンライン学習タスクよりもより挑戦的である。ラベル付きデータを検索する場合既存のオンライン能動学習アプローチは,しばしば緩慢な収斂速度と利用可能な情報の準最適利用における不足一般的に一次オンライン学習法に基づいている。限界を克服するために,本論文では,二次オンラインアクティブ学習(SOAL)の新しい枠組み,低標識コストで高い学習精度を達成するために一次と二次の両方の情報を十分に利用することを示した。提案SOALアルゴリズムを評価する広範囲の理論解析と実験研究の両方を行った。有望な結果は最先端オンライン能動学習アルゴリズムの族に対する提案アルゴリズムの明らかな利点を示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】