Bayesモデル-アグノスティックMeta学習はモデル-アグノスティックMeta学習より優れているか?【JST・京大機械翻訳】

Chen Lisha; Chen Tianyi

プレプリント

J-GLOBAL ID：202202211619039691 整理番号：22P0299709

Bayesモデル-アグノスティックMeta学習はモデル-アグノスティックMeta学習より優れているか?【JST・京大機械翻訳】

Is Bayesian Model-Agnostic Meta Learning Better than Model-Agnostic Meta Learning, Provably?

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 (2件)： ,
資料名：
発行年： 2022年03月06日プレプリントサーバーでの情報更新日： 2022年03月06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)

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】

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

人工知能 , ニューロコンピュータ , システム・制御理論一般 , 数値計算 , 信号理論

, ,

前のページに戻る