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。
少数のショット学習(FSL)法は,通常,新しいクラスを訓練するときに,正確にラベル付けされたサンプルでクリーンサポートセットを仮定する。この仮定は,しばしば非現実的であり,サポートセットは,如何に小さいかは,誤ラベル化サンプルを含む。したがって,ラベルノイズに対するロバスト性はFSL法にとって実用的であるが,この問題は驚くほど未調査のままである。FSL設定における誤標識試料に取り組むために,いくつかの技術的貢献を行った。(1)単純だが効果的な特徴集約法を提供し,ポピュラーなFSL技法であるProtoNetにより使用されるプロトタイプを改善した。(2)著者らは,Noisy nowle-Shot Learning(TraNFS)のための新しい変換機モデルを記述した。TraNFSは,誤ラベル化対正しいサンプルに対して,変圧器の注意機構を利用する。(3)最後に,MiniImageNetとTieredImageNetの雑音のあるバージョンに関するこれらの方法を広範囲にテストする。その結果,TraNFSは,クリーンサポート集合上で主導的FSL手法とは,しかし,ラベルノイズの存在下では,それらより性能が優れていることが分かった。【JST・京大機械翻訳】
