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。
最近提案された自己監督学習(SSL)手法は,追加のラベルなしデータで学習アルゴリズムを補完する大きな可能性を示す。しかし,既存のSSLアルゴリズムがラベル付きおよびラベルなしデータの情報を完全に利用できるかどうかはまだ不明である。本論文では,いくつかの統計的モデルの下で,再構成ベースのSSLアルゴリズムサイトプ{lee2020予測}に対する肯定的な回答を与えた。既存の文献は収束速度の上限を確立するだけであるが,厳密なミニマックス解析を提供し,異なるデータ生成モデルの下で再構成ベースのSSLアルゴリズムのレート最適性を成功裏に正当化する。さらに,再構成ベースのSSLを既存の広告訓練アルゴリズムに組み込み,ラベルなしデータからの学習がロバスト性を改善することを示した。【JST・京大機械翻訳】