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。
Meta学習は,素早いタスクに迅速に適応できるモデルを学習することを目的とする。広く使われているメタ学習法は,モデル診断的メタ学習(MAML),暗黙的MAML,Bayes MAMLを含む。不確実性のモデリング能力のおかげで,Bayes MAMLは,しばしば有利な経験的性能を持つ。しかし,ベイジアンMAMLの理論的理解は,特に,Bayes MAMLがMAMLよりも明らかに優れた性能を持つかどうかのような疑問に関して,まだ限られている。本論文では,MAMLとBayes MAMLのメタテストリスクを比較することにより,Bayes MAMLの有利な性能の理論的正当化を提供することを目的とした。メタ線形回帰では,分布診断と線形重心ケースの両方の下で,Bayes MAMLは,MAMLよりも確かに低いメタテストリスクを持つことを確立した。実験により理論結果を検証した。【JST・京大機械翻訳】