電波銀河動物園:データ集合シフト下の電波銀河分類のための大規模非標識データ集合をレバレッジするための半教師つき学習の利用【JST・京大機械翻訳】

Slijepcevic Inigo V.; Scaife Anna M. M.; Walmsley Mike; Bowles Micah; Wong Ivy; Shabala Stanislav S.; Tang Hongming

プレプリント

J-GLOBAL ID：202202215770444714 整理番号：22P0334104

電波銀河動物園:データ集合シフト下の電波銀河分類のための大規模非標識データ集合をレバレッジするための半教師つき学習の利用【JST・京大機械翻訳】

Radio Galaxy Zoo: Using semi-supervised learning to leverage large unlabelled data-sets for radio galaxy classification under data-set shift

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 (7件)： , , , , , ,
資料名：
発行年： 2022年04月19日プレプリントサーバーでの情報更新日： 2022年05月04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)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

本研究では,無線銀河の形態学的分類に適用した最先端の半教師つき学習(SSL)アルゴリズムの分類精度とロバスト性を調べた。より少ないラベルを持つSSLが,教師付き最先端技術に匹敵するテスト精度を達成することができるかどうか,そして,これが,以前には,以前に見えないデータを組み入れるとき,これが持つかどうかを,テストする。考察した無線銀河分類問題に対して,SSLは付加的正則化を提供し,ベースライン試験精度より優れていることを見出した。しかし,コンピュータ科学ベンチマークデータセットで報告されたモデル性能基準とは対照的に,改善は,低ラベル体積で急速に低下する性能で,狭い範囲のラベル体積に限定されることを見出した。さらに,SSLは,分類が改善するかどうかにかかわらず,モデル較正を改善しないことを示した。さらに,同じ無線調査から引き出される異なる根底にあるカタログがSSLに必要なラベル付きおよびラベルなしデータセットを提供するために使用されるとき,分類性能の顕著な低下が観測され,データセットシフトの下でSSL技術を適用する困難さを強調した。クラス不均衡ラベル付きデータプールは,事前確率シフトを通して性能に負に影響し,この性能低下を説明し,データセットシフトの測度としてラベル付きとラベル無しデータセット間のFrechet距離を用いることは,モデル性能の予測を提供できるが,O(1000)のラベル付きサンプル体積を有する典型的な無線銀河データセットに対して,この技術に関連するサンプル分散は高く,そして,この技術は,列車テストサイクルを置き換えるために,一般的に十分にロバストではないことを示した。【JST・京大機械翻訳】

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

人工知能

, , , , , , ,

前のページに戻る