PTN:半教師つき少数ショット学習のためのPoisson転送ネットワーク【JST・京大機械翻訳】

Huang Huaxi; Zhang Junjie; Zhang Jian; Wu Qiang; Xu Chang

プレプリント

J-GLOBAL ID：202202212421385175 整理番号：21P0069668

PTN:半教師つき少数ショット学習のためのPoisson転送ネットワーク【JST・京大機械翻訳】

PTN: A Poisson Transfer Network for Semi-supervised Few-shot 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19日プレプリントサーバーでの情報更新日： 2021年04月01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)

半教師つき少数ショット学習(SSFSL)における予言は,少数ショット学習者をブーストするために余分なラベルなしデータの価値を最大化することである。本論文では,2つの側面からSSFSLのためのラベルなし情報をマイニングするためのPoisson転送ネットワーク(PTN)を提案した。最初に,Poisson Merriman Bence Osher(MBO)モデルは,ラベル付きとラベルなし例の間の通信のためのブリッジを構築する。このモデルは,ラベルのメッセージパッシングプロセスにおける従来のグラフベースSSFSL法よりも,より安定で有益な分類器として役立つ。第二に,余分なラベルなしサンプルを用いて,コントラスト学習を通してベースクラスから新しいクラスへの知識を転送する。特に,著者らは,負のものを離れたところで,拡張された正の対を閉じる。著者らのコントラスト転送方式は,いくつかのラベル付きデータに関する過剰適合問題を軽減するために,新規クラス埋込みを暗黙的に学習する。したがって,著者らは,新規クラスにおける埋込み普遍性の劣化を緩和することができた。大規模な実験は,PTNが,ミニImageNetとTieredImageNetベンチマークデータセットに関して最先端の少数ショットとSSFSLモデルより優れていることを示した。【JST・京大機械翻訳】

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

人工知能

, ,

前のページに戻る