深層能動学習のための初期プールについて【JST・京大機械翻訳】

Chandra Akshay L; Desai Sai Vikas; Devaguptapu Chaitanya; Balasubramanian Vineeth N

プレプリント

J-GLOBAL ID：202202203107887787 整理番号：21P0064480

深層能動学習のための初期プールについて【JST・京大機械翻訳】

On Initial Pools for Deep Active Learning

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2020年11月30日プレプリントサーバーでの情報更新日： 2021年07月14日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

アクティブ学習(AL)技術は,与えられたタスクのためのモデルを訓練するために必要な訓練データを最小化することを目的とする。プールに基づくAL技術は,小さな初期標識プールで開始し,次に標識のために最も有益な試料のバッチを繰り返した。一般に,初期プールはランダムにサンプリングされ,AL反復の種子にラベル付けされる。最近の研究では,ALにおける様々なクエリ機能のロバスト性の評価に焦点を当ててきたが,深いアクティブ学習のための初期ラベル付きプールの設計にはほとんど注意が払われていない。自己監督/教師なし方法での学習表現の最近の成功を考えると,知的にサンプリングされた初期ラベル付きプールが深いAL性能を改善できるかどうかを研究した。深層AL法に対する自己監督および教師なし戦略の使用を含む知的にサンプリングされた初期ラベルプールの影響を調べた。セットアップ,仮説,方法論,および実装の詳細を,実験の前にピアレビューによって評価した。実験結果は,知的にサンプリングされた初期プールが,長期におけるランダム初期プールよりALに対して優れていることを決定的に証明できなかったが,しかし,変分Autoencoderベースの初期プールサンプリング戦略は,より深い調査に値する興味深い傾向を示した。【JST・京大機械翻訳】

, , ,
, , , , 【Automatic Indexing@JST】

人工知能

, ,

前のページに戻る