Open takumi7110 opened 12 months ago
【背景】 • Active learningは高い測定コストを伴う問題において広く使用される方法論です。 • Query by committeeはよく知られた取得関数です。 • 従来の方法では、comitteeの不一致の度合いはKullback-Leiblerダイバージェンスによって定量化されていました。 【目的】 • 本論文の目的は、提案手法が従来の方法よりもロバストであることを示すために、βダイバージェンスとデュアルγパワーダイバージェンスを使用した不一致度の定義を提案することです。 【手法】 • Bregmanダイバージェンスとデュアルγパワーダイバージェンスを使用して不一致度を定義します。 • βダイバージェンスは特定のBregmanダイバージェンスのクラスとして考慮されます。 • 影響関数を導出することにより、提案手法のロバスト性を示します。 【実験方法】 • 実験結果は、提案手法が従来の方法と同等またはそれ以上の性能を持つことを示しています。 【実験結果】 • 実験結果から、提案手法が従来の方法と同等またはそれ以上の性能を持つことが示されています。 【考察】 • βダイバージェンスとデュアルγパワーダイバージェンスを使用した提案手法は、従来の方法よりもロバストであると考察されます。
https://arxiv.org/abs/2211.10013
【背景】 • Active learningは高い測定コストを伴う問題において広く使用される方法論です。 • Query by committeeはよく知られた取得関数です。 • 従来の方法では、comitteeの不一致の度合いはKullback-Leiblerダイバージェンスによって定量化されていました。 【目的】 • 本論文の目的は、提案手法が従来の方法よりもロバストであることを示すために、βダイバージェンスとデュアルγパワーダイバージェンスを使用した不一致度の定義を提案することです。 【手法】 • Bregmanダイバージェンスとデュアルγパワーダイバージェンスを使用して不一致度を定義します。 • βダイバージェンスは特定のBregmanダイバージェンスのクラスとして考慮されます。 • 影響関数を導出することにより、提案手法のロバスト性を示します。 【実験方法】 • 実験結果は、提案手法が従来の方法と同等またはそれ以上の性能を持つことを示しています。 【実験結果】 • 実験結果から、提案手法が従来の方法と同等またはそれ以上の性能を持つことが示されています。 【考察】 • βダイバージェンスとデュアルγパワーダイバージェンスを使用した提案手法は、従来の方法よりもロバストであると考察されます。
https://arxiv.org/abs/2211.10013