人間インザループ機械学習のための論理的中心フレームワーク【JST・京大機械翻訳】

Lu Jinghui; Yang Linyi; Mac Namee Brian; Zhang Yue

プレプリント

J-GLOBAL ID：202202213489315716 整理番号：22P0309568

人間インザループ機械学習のための論理的中心フレームワーク【JST・京大機械翻訳】

A Rationale-Centric Framework for Human-in-the-loop Machine 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 (4件)： , , ,
資料名：
発行年： 2022年03月24日プレプリントサーバーでの情報更新日： 2022年03月24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)

著者らは,数ショット学習シナリオにおいて,人間-イン-ループ-Rationals-中心二重ロバスト学習(RDL)-,モデルアウトオブ分布性能をブーストするための,新しい理論的中心-中心フレームワークを提示した。静的半厳密生成と動的人間介在補正を用いて,RDLは理論(即ち,予測を引き起こすフレーズ),人間の介入と半ファクトな増強を,一般的に適用可能な基礎となる分布に向けて,偽の会合とバイアスモデルを分離するため,高速かつ正確な一般化を可能にする。実験結果は,RDLが,多くの最先端のベンチマーク(特に少数ショット学習シナリオ)と比較して,分布内および分布外試験の両方に対して有意な予測利益をもたらすことを示す。また,著者らのフレームワークにおける各構成要素の詳細な解析をサポートするための広範なアブレーション研究も行った。【JST・京大機械翻訳】

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

人工知能 , パターン認識 , ロボットの運動・制御 , 図形・画像処理一般

, ,

前のページに戻る