共変量シフトの下での半教師つき学習への情報理論的アプローチ【JST・京大機械翻訳】

Aminian Gholamali; Abroshan Mahed; Khalili Mohammad Mahdi; Toni Laura; Rodrigues Miguel R. D.

プレプリント

J-GLOBAL ID：202202206146871200 整理番号：22P0294735

共変量シフトの下での半教師つき学習への情報理論的アプローチ【JST・京大機械翻訳】

An Information-theoretical Approach to Semi-supervised Learning under Covariate-shift

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 (5件)： , , , ,
資料名：
発行年： 2022年02月24日プレプリントサーバーでの情報更新日： 2022年02月24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)

半教師つき学習における共通仮定は,ラベル付き,ラベルなし,および試験データが同じ分布から引き出されることである。しかし,この仮定は,多くのアプリケーションで満たされていない。多くのシナリオにおいて,データは順次収集され(例えば,健康管理),データの分布は,しばしばいわゆる共変量シフトを示す時間にわたって変化する可能性がある。本論文では,この問題に対処することができる半教師つき学習アルゴリズムのアプローチを提案した。また,著者らのフレームワークはエントロピー最小化と擬似ラベリングを含むいくつかの一般的な方法を回復する。新しいフレームワークに触発された新しい情報理論的ベース一般化誤差上限を提供した。この限界は,一般的な半教師つき学習と共変量シフトシナリオの両方に適用可能である。最後に,著者らは,著者らの方法が共変量シフトの下で半教師つき学習のために提案された以前のアプローチより優れていることを,数値的に示した。【JST・京大機械翻訳】

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

人工知能

, , ,

前のページに戻る