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。
最適輸送計量を用いて,データ駆動分布ロバスト最適化(DRO)に基づく半教師つき学習(SSL)のための新しい方法を提案した。著者らの提案方法は,著者らのDRO定式化における最悪ケース分布のサポートを制限するために,ラベルなしデータを用いることによって一般化誤差を強化する。訓練手順を容易に実装できる確率的勾配降下アルゴリズムを提案し,DRO定式化の実現を可能にした。半教師つきDRO法は,自然教師つき手順と最先端のSSL推定器に対する一般化誤差を改善できることを実証した。最後に,DRO定式化における最適不確実性領域の大きなサンプル挙動に関する議論を含めた。著者らの議論はSSLにおける次元縮小の役割のような重要な側面を露出する。【JST・京大機械翻訳】