マルチタスク学習のためのサンプル当たりの多アノテーションのステアリングについて【JST・京大機械翻訳】

Li Yuanze; Guo Yiwen; Li Qizhang; Zhang Hongzhi; Zuo Wangmeng

プレプリント

J-GLOBAL ID：202202213335691430 整理番号：22P0299596

マルチタスク学習のためのサンプル当たりの多アノテーションのステアリングについて【JST・京大機械翻訳】

On Steering Multi-Annotations per Sample for Multi-Task 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： 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)

マルチタスク学習の研究はコミュニティから大きな注目を集めている。注目すべき進歩にもかかわらず,異なるタスクを最適に学習する課題は,同時に調査されていない。以前の研究は,異なるタスクから勾配を修正することを試みた。しかし,これらの方法はタスク間の関係の主観的仮定を与え,修正勾配は正確でない。本論文では,確率的タスク割当(STA)を導入し,各サンプルがタスクの部分集合をランダムに割り当てたタスク割当アプローチによりこの問題を扱う機構である。更なる進展のために,著者らは,いくつかの連続した反復の間,各用例にすべてのタスクを反復的に割り当てるために,インタリーブ確率タスク割当(ISTA)を提案する。シーン理解とインスタンスセグメンテーションのためのNYUv2,都市景観,およびCOCOの様々なデータセットとアプリケーションに関するSTAとISTAを評価した。著者らの実験は,STAとISTAの両方が現在の最先端の方法より優れていることを示した。コードは利用可能である。【JST・京大機械翻訳】

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

人工知能 , ロボットの運動・制御

, , ,

前のページに戻る