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。
モデル診断メタ学習(MAML)とその変形は,少数ショット学習のための一般的なアプローチになった。しかし,深いニューラルネット(DNN)の非凸性とMAMLのバイレベル定式化のために,DNNを有するMAMLの理論的特性は,ほとんど未知のままである。本論文では,まず,過パラメータ化DNNを持つMAMLが線形速度で大域的最適に収束することを保証した。著者らの収束解析は,過パラメータ化DNNを有するMAMLが,Metaニューラルタンジェントカーネル(MetaNTK)と呼ばれる新しいクラスのカーネルによるカーネル回帰と等価であることを示した。次に,アーキテクチャをランク付けし選択するためにMetaNTKを使用する少数ショット学習のための新しい訓練フリーニューラルアーキテクチャ探索(NAS)法であるMetaNTK-NASを提案した。経験的に,著者らのメタNTK-NASを,2つの一般的な少数ショット学習ベンチマーク,ミニImageNet,およびタイドImageNetに関する以前のNAS法と比較した。MetaNTK-NASの性能は,数ショット学習用に設計した最先端のNAS法と同等かそれ以上であり,100x以上の高速化を楽しんでいることを示した。著者らは,MetaNTK-NASの効率が,多くの実世界タスクに対して,より実用的であると信じる。【JST・京大機械翻訳】