抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
最近の研究では,メタ訓練セットで訓練された深層ネットワークの利用は,少数ショット学習における強いベースラインとして役立つ。本論文では,訓練された深層ネットワークを微調整することにより,新しいクラス特徴を精密化する。微調整は,新しいクラス特徴分布におけるバイアスの低減に焦点を当て,クラス診断とクラス固有バイアスという2つの側面として定義する。クラス診断バイアスは,ドメイン差によって導入された分布シフトとして定義され,著者らは,分布較正モジュール(DCM)を提案する。DCMは,最適化の間のドメイン差と高速特徴適応を除去する良い特性を有した。クラス特異的バイアスを,新しいクラスにおける少数のサンプルを用いてバイアス推定として定義し,著者らは,選択サンプリング(SS)を縮小するために提案した。実際のクラス分布を与えることなく,SSは,サポートセットサンプル周辺の提案分布を用いてサンプリングを実行することによって設計される。DCMとSSとの微調整により,異なるドメインから10のデータセットにわたって一貫した性能ブーストを持つMeta-Datasetに関する最新の結果を達成した。この簡単で効果的な方法は,実用的な少数ショット応用に適用できる可能性を実証した。【JST・京大機械翻訳】