最悪ケーストレーニングの2次元と領域外一般化に対する統合効果【JST・京大機械翻訳】

Huang Zeyi; Wang Haohan; Huang Dong; Lee Yong Jae; Xing Eric P.

プレプリント

J-GLOBAL ID：202202214059882192 整理番号：22P0328806

最悪ケーストレーニングの2次元と領域外一般化に対する統合効果【JST・京大機械翻訳】

The Two Dimensions of Worst-case Training and the Integrated Effect for Out-of-domain Generalization

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04月09日プレプリントサーバーでの情報更新日： 2022年04月09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)

データの「ハードツーリーン」成分に重点を置いた訓練は,特にロバスト性(例えば,分布を横断する一般化)が価値がある設定において,機械学習モデルの一般化を改善する有効な方法として証明されている。この「ハードツーリーン」概念を論じる既存の文献は,試料の寸法あるいは特徴の次元に沿って主に拡張される。本論文では,これらの2次元を併合する簡単な視点を導入し,サンプルと特徴次元の両方に対する最悪ケースを強調することにより,機械学習モデルを訓練する新しい簡単で効果的な発見的方法を導いた。「2次元に沿ったWorst-case」の概念に従ってW2Dと名付けた。アイデアを検証し,標準ベンチマーク上の経験的強度を実証した。【JST・京大機械翻訳】

, , , , , ,

パターン認識

, , ,

前のページに戻る