GradTail:勾配ベースサンプル重みづけを用いた長期データ学習【JST・京大機械翻訳】

Chen Zhao; Casser Vincent; Kretzschmar Henrik; Anguelov Dragomir

プレプリント

J-GLOBAL ID：202202214285300422 整理番号：22P0275098

GradTail:勾配ベースサンプル重みづけを用いた長期データ学習【JST・京大機械翻訳】

GradTail: Learning Long-Tailed Data Using Gradient-based Sample Weighting

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01月15日プレプリントサーバーでの情報更新日： 2022年01月18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)

長尾訓練データ分布の面での飛行に関するモデル性能を改善するために,勾配を使用するアルゴリズムであるGradTailを提案した。収束およびおそらく過剰適合モデルで動作する従来の長尾分類器と異なり,著者らは,勾配ドット製品一致に基づくアプローチが,モデル訓練中に早期に長尾データを分離でき,そのデータに対してより高いサンプル重みを動的に選ぶことにより,性能を改善することを実証した。そのようなアップ重みは,分類と回帰モデルの両方に対するモデル改善をもたらし,後者は長尾文献において比較的未探索であり,勾配アラインメントにより見出された長尾事例は,著者らの意味的期待と一致することを示した。【JST・京大機械翻訳】

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

人工知能

, , , ,

前のページに戻る