文献

J-GLOBAL ID：202202264834644934   整理番号：22A0636844

Meta特徴および深層強化学習による進化データストリームからのオンライン半教師つき学習【JST・京大機械翻訳】

Online Semi-supervised Learning from Evolving Data Streams with Meta-features and Deep Reinforcement Learning

著者 (5件)： Vafaie Parsa (School of Electrical Engineering and Computer Science, University of Ottawa, Ottawa, Canada) ,  Viktor Herna (School of Electrical Engineering and Computer Science, University of Ottawa, Ottawa, Canada) ,  Paquet Eric (School of Electrical Engineering and Computer Science, University of Ottawa, Ottawa, Canada) ,  Paquet Eric (Digital Technologies, National Research Council, Ottawa, Canada) ,  Michalowski Wojtek (Telfer School of Management, University of Ottawa, Ottawa, Canada)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 13164  ページ： 70-85  発行年： 2022年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： データストリームからのオンライン半教師つき学習(SSL)は,それがしばしば高価で,時間がかかり,時にはストリーミングドメインからラベル付きデータを収集できないという事実により,多くのアプリケーションによる研究の新興領域である。最先端のオンラインSSLアルゴリズムは,マイクロクラスタを維持するためのクラスタリング技術を使用するか,あるいは,代わりに,信頼スコアに基づく擬似ラベリングを利用するラッパー法を採用する。現在の手法は,誤った挙動を導入し,ラベル付きインスタンスの限られた使用をしめすので,見落とされる重要な情報につながる可能性がある。本論文では,多様な領域にわたるメタ特徴の学習のために,様々なK最近傍(KNN)分類器を用いた新しいオンライン強化SSLアルゴリズムを導入した。著者らのオンライン強化SSLアルゴリズムは,メタ特徴を抽出して,次に,このメタ知識を著者らのターゲットドメインに転送することによって得られた多重ソースストリーム上で訓練されたメタ強化学習エージェントを特徴とする。すなわち,KNN学習者の予測を用いて,増分学習パラダイムを通してインスタンスとして目標領域に対する擬似ラベルを選択した。ベンチマークデータセットに関する広範な実験は,著者らのアプローチの価値を実証し,オンラインReinces SSLが最先端技術と自己訓練基準の両方より優れていることを確認した。Copyright Springer Nature Switzerland AG 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *学習 ,  技術 ,  データ ,  ラベル ,  クラスタ化 ,  多重化 ,  応用プログラム ,  ベンチマーク ,  マイクロクラスタ ,  ストリーミング
準シソーラス用語： 学習者 ,  *データストリーム ,  *半教師つき学習 ,  *オンライン , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 深層強化学習 ,  進化 ,  データストリーム ,  オンライン ,  半教師つき学習