Infimum損失による部分的ラベリングによる構造化予測【JST・京大機械翻訳】

Cabannes Vivien; Rudi Alessandro; Bach Francis

プレプリント

J-GLOBAL ID：202202220855888623 整理番号：21P0025722

Infimum損失による部分的ラベリングによる構造化予測【JST・京大機械翻訳】

Structured Prediction with Partial Labelling through the Infimum Loss

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 (3件)： , ,
資料名：
発行年： 2020年03月02日プレプリントサーバーでの情報更新日： 2020年09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)

注釈データセットは,今日の教師つき学習における主要なコストの1つである。弱い監視の目標は,部分ラベリングとして収集するのに安い,ラベリングの形式のみを用いて学習するモデルを可能にすることである。これは,各データポイントに対して,監視が実際のものを含むラベルの集合としてキャストされる不完全アノテーションの型である。部分ラベリングによる教師つき学習の問題は,分類,マルチラベル,ランキングまたはセグメンテーションのような特定のインスタンスのために研究されてきたが,一般的フレームワークはまだ欠落している。本論文では,構造化予測に基づく統一フレームワークと,広範囲の学習問題と損失関数上の部分ラベリングを扱うための不感損失の概念を提供した。このフレームワークは,容易に実装できる明示的アルゴリズムに自然に導き,そのために統計的一貫性と学習速度を証明した。実験により,通常用いられる基準線よりも提案アプローチの優位性を確認した。【JST・京大機械翻訳】

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

人工知能

, , ,

前のページに戻る