文献

J-GLOBAL ID：201802225737201842   整理番号：18A2232777

動的アンサンブル能動学習:エキスパートアドバイスによる非定常バンディット【JST・京大機械翻訳】

Dynamic Ensemble Active Learning: A Non-Stationary Bandit with Expert Advice

著者 (4件)： Pang Kunkun (University of Edinburgh) ,  Dong Mingzhi (University College London) ,  Wu Yang (Nara Institute of Science and Technology) ,  Hospedales Timothy M. (University of Edinburgh)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICPR  ページ： 2269-2276  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： アクティブ学習は,どのサンプルが人間の教師がラベル付けに役立つかを予測することにより注釈コストを低減することを目的としている。しかし,最良の能動学習アルゴリズムは存在しない。良好な基準を構成する様々な哲学に触発されて,異なるアルゴリズムは異なるデータセットに対して良く機能する。これにより,与えられたシナリオにおいて,典型的にはマルチアーム化されたbanditアルゴリズムを介して,良好な基準を構成する能動学習者の集合に対する研究が動機付けられている。アルゴリズム集合はより良い結果に導くことができるが,それらはアルゴリズム有効性がデータセットを通して変化するだけでなく,単一能動学習セッションの間にも変化するという事実を見落とす。すなわち,最良の基準は非定常である。これは既存のアルゴリズムの保証を破壊し,実際にそれらの性能を妨げる。本論文では,より一般的で有望な研究方向として動的アンサンブル能動学習を提案した。著者らは,エキスパートアドバイスアルゴリズムを用いて,非定常マルチアーム化banditに基づく動的アンサンブル能動学習器を開発した。動的集合は,能動学習の各ステップで正しい基準を選択する。それは理論的保証を有し,13の一般的データセットに関する有望な結果を示した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  アノテーション ,  有効性
準シソーラス用語： *非定常性 ,  *能動学習 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： アンサンブル ,  能動学習 ,  エキスパート ,  アドバイス ,  非定常