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。
ブートストラップは,機械学習と統計におけるアンサンブルと不確実性の定量化のための主要なツールである。しかし,多重訓練と再サンプリングの性質のため,ブートストラップ深層ニューラルネットワークは計算上の負担である。したがって,それは不確実性推定と関連タスクへの実際的応用において困難であった。この計算ボトルネックを克服するために,著者らは,単一モデル訓練を通してブートストラップニューラルネットワークを生成するために学習するNeural Bootstrapper(NeuBoots)と呼ばれる新しい方法を提案した。NeuBootsは,バックボーンネットワークの高レベル特徴層にブートストラップ重みを注入し,追加パラメータとスクラッチからの反復計算なしで,ターゲットのブートストラップ予測を出力する。画像分類と意味セグメンテーション,アクティブ学習,および分布外サンプルの検出における予測キャリブレーションを含む,不確実性定量化に関連する様々な機械学習タスクにNeuBootsを適用した。著者らの経験的結果は,NeuBootsがブートストラップの有効性を失うことなく,はるかに低い計算コストの下で他のバギングベースの方法より優れていることを示した。【JST・京大機械翻訳】