半教師付き学習のための最適輸送によるマッチング分布【JST・京大機械翻訳】

Taherkhani Fariborz; Kazemi Hadi; Dabouei Ali; Dawson Jeremy; Nasrabadi Nasser M.

プレプリント

J-GLOBAL ID：202202211919641733 整理番号：21P0066343

半教師付き学習のための最適輸送によるマッチング分布【JST・京大機械翻訳】

Matching Distributions via Optimal Transport for Semi-Supervised Learning

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 (5件)： , , , ,
資料名：
発行年： 2020年12月04日プレプリントサーバーでの情報更新日： 2021年10月21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)

半教師つき学習(SSL)アプローチは,訓練の経過で利用可能な十分な量のラベル付きデータがないとき,ラベルなしデータの使用に対する影響力のあるフレームワークである。畳込みニューラルネットワーク(CNN)に基づくSSL法は,最近,画像分類のような標準ベンチマークタスクに関する成功した結果を提供した。本研究では,ラベル付きおよびラベルなしデータが同じ基礎となる確率分布から来るSSL問題の一般設定を考察した。ラベルなしデータに対する擬似ラベルを提供するための離散経験的確率測度間の類似性の尺度として,最適輸送(OT)技術を採用する新しい手法を提案し,次に,SSL方式でCNNモデルを訓練するために,初期ラベル付きデータと組み合わせて使用できる。このSSLアルゴリズムの優位性と有効性を実証するために,標準データセット上の最先端のSSLアルゴリズムと提案手法を評価し,比較した。【JST・京大機械翻訳】

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

人工知能

, , ,

前のページに戻る