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。
アクティブ学習は,人間ラベル付け努力を減少させるのに重要な機械学習問題である。電流能動学習戦略は人間の知識から設計された,不変的に各データセットに適用した。換言すれば,戦略の有用性に関する経験は他のデータセットでの能動学習を改善するために更新し,移動できない。この論文では,能動的学習経験が移動できるかどうかに関する先駆的研究を開始する。筆者らは最初に,既存戦略を直線的に新しい能動学習モデルを提案した。線形重みが能動的学習経験を表現するために用いることができる。重みを更新のためのコンテクスチュアルバンディットのための一般的な線形上部信頼限界(LinUCB)アルゴリズムを用いたモデルを容易にする。最後に,本モデルは,偏った正則化技術を持つデータセットを横切る経験を移動させるために拡張した。経験的研究は,学んだ経験は大部分の単一データセット上で既存の戦略と競合するだけでなく,将来の学習タスクの性能を改善するためにデータセットを越えて移転されることを実証した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】
