論文の概要: Teaching with Commentaries

• arxiv url: http://arxiv.org/abs/2011.03037v2
• Date: Fri, 12 Mar 2021 00:37:38 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-29 12:35:23.107012
• Title: Teaching with Commentaries
• Title（参考訳）: 解説者による教育
• Authors: Aniruddh Raghu, Maithra Raghu, Simon Kornblith, David Duvenaud, Geoffrey Hinton
• Abstract要約: コメントとメタ情報を用いたフレキシブルな教育フレームワークを提案する。 解説はトレーニングのスピードと/またはパフォーマンスを改善することができる。 パフォーマンスのメリットを得るために、新しいモデルをトレーニングするときに、コメンタリを再利用できる。
• 参考スコア（独自算出の注目度）: 108.62722733649542
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Effective training of deep neural networks can be challenging, and there remain many open questions on how to best learn these models. Recently developed methods to improve neural network training examine teaching: providing learned information during the training process to improve downstream model performance. In this paper, we take steps towards extending the scope of teaching. We propose a flexible teaching framework using commentaries, learned meta-information helpful for training on a particular task. We present gradient-based methods to learn commentaries, leveraging recent work on implicit differentiation for scalability. We explore diverse applications of commentaries, from weighting training examples, to parameterising label-dependent data augmentation policies, to representing attention masks that highlight salient image regions. We find that commentaries can improve training speed and/or performance, and provide insights about the dataset and training process. We also observe that commentaries generalise: they can be reused when training new models to obtain performance benefits, suggesting a use-case where commentaries are stored with a dataset and leveraged in future for improved model training.
• Abstract（参考訳）: ディープニューラルネットワークの効果的なトレーニングは困難であり、これらのモデルの最良の学習方法に関する多くの疑問が残っている。 近年、ニューラルネットワークトレーニングを改善するための手法が開発され、学習中に学習情報を提供し、下流モデルの性能を向上させる。 本稿では,教育範囲を拡大するためのステップを採る。 本稿では,特定のタスクの学習に役立つ注釈やメタ情報を用いたフレキシブルな教育フレームワークを提案する。 本稿では,拡張性に対する暗黙の差別化に関する最近の研究を活用し,注釈を学習するための勾配に基づく手法を提案する。 我々は、トレーニング例の重み付けからラベル依存データ拡張ポリシーのパラメータ化まで、様々なコメンテータの応用を探求し、注目すべき画像領域を強調するアテンションマスクを表現する。 コメントはトレーニングのスピードと/またはパフォーマンスを改善し、データセットとトレーニングプロセスに関する洞察を提供する。 新たなモデルのトレーニング時に再利用してパフォーマンス上のメリットを得ることが可能であり、データセットでコメンタを格納し、将来モデルトレーニングの改善に活用するユースケースを提案する。

関連論文リスト

• Vision-Language Models Provide Promptable Representations for Reinforcement Learning [67.40524195671479]
  視覚言語モデル(VLM)に符号化された多量の一般知識と索引可能な世界知識をインターネット規模で事前学習して具体的強化学習(RL)を行う新しい手法を提案する。 提案手法では,共通意味的推論の表現にチェーン・オブ・シントを用いることで,新規シーンのポリシー性能を1.5倍向上できることを示す。
  論文  参考訳（メタデータ） (2024-02-05T00:48:56Z)
• Value Explicit Pretraining for Learning Transferable Representations [11.069853883599102]
  本稿では,伝達強化学習のための一般化可能な表現を学習する手法を提案する。 我々は、目的条件付き表現のためのエンコーダを学習することで、前回学習したタスクと同様の目的を共有する新しいタスクを学ぶ。 現実的なナビゲーションシミュレータとAtariベンチマークを用いて実験したところ,本手法により生成された事前学習エンコーダは,現在のSoTA事前学習法より優れていることがわかった。
  論文  参考訳（メタデータ） (2023-12-19T17:12:35Z)
• ALP: Action-Aware Embodied Learning for Perception [60.64801970249279]
  認知のための行動認識型身体学習(ALP)について紹介する。 ALPは、強化学習ポリシーと逆ダイナミクス予測目標を最適化することにより、行動情報を表現学習に組み込む。 ALPは、複数の下流認識タスクにおいて、既存のベースラインよりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-06-16T21:51:04Z)
• PIVOT: Prompting for Video Continual Learning [50.80141083993668]
  PIVOTは、画像領域から事前学習したモデルにおける広範な知識を活用する新しい手法である。 実験の結果,PIVOTは20タスクのアクティビティネット設定において,最先端の手法を27%向上することがわかった。
  論文  参考訳（メタデータ） (2022-12-09T13:22:27Z)
• Learning New Skills after Deployment: Improving open-domain internet-driven dialogue with human feedback [22.92577324751342]
  学習フレームワークにおけるインターネットによる会話能力の向上について検討する。 デプロイデータを収集し、さまざまな種類のフィードバックを収集します。 最近導入されたDirectorモデルは、他の既存のアプローチよりも大幅に改善されている。
  論文  参考訳（メタデータ） (2022-08-05T16:41:46Z)
• (Un)likelihood Training for Interpretable Embedding [30.499562324921648]
  テキストと視覚データのセマンティックなギャップを埋める上で,クロスモーダル表現学習は新たな標準となっている。 埋め込みの背後にあるセマンティクスをアンロールする2つの新しい訓練目標,可能性と相違関数を提案する。 双方のトレーニング目標により,解釈可能なクロスモーダル表現を学習する新しいエンコーダデコーダネットワークが,アドホックなビデオ検索のために提案されている。
  論文  参考訳（メタデータ） (2022-07-01T09:15:02Z)
• Reinforcement Learning with Action-Free Pre-Training from Videos [95.25074614579646]
  本稿では,ビデオにおける生成前学習を通じて動的理解に役立つ表現を学習するフレームワークを提案する。 我々のフレームワークは、視覚に基づく強化学習の最終性能とサンプル効率の両方を著しく改善する。
  論文  参考訳（メタデータ） (2022-03-25T19:44:09Z)
• Interactive Machine Learning for Image Captioning [8.584932159968002]
  画像キャプションモデルのための対話型学習手法を提案する。 我々は、データ拡張手法を用いてフィードバックを乗算することで、人間のフィードバックをできるだけ活用するシステムを構想する。
  論文  参考訳（メタデータ） (2022-02-28T09:02:32Z)
• Learning Actor-centered Representations for Action Localization in Streaming Videos using Predictive Learning [18.757368441841123]
  ストリーミングビデオのアクションの認識やローカライズなどのイベント認識タスクは、視覚的な理解タスクに取り組む上で不可欠です。 我々は,連続的階層的予測学習という概念を通じて,テクスタクタ中心の表現を学習する問題に取り組む。 イベント知覚の認知理論に触発され、新しい自己監督型フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-04-29T06:06:58Z)
• Self-supervised Co-training for Video Representation Learning [103.69904379356413]
  実例に基づく情報ノイズコントラスト推定訓練に意味クラス正の付加を施すことの利点について検討する。 本稿では,インフォネッションNCEの損失を改善するための,自己指導型協調学習手法を提案する。 本研究では,2つの下流タスク(行動認識とビデオ検索)における学習表現の質を評価する。
  論文  参考訳（メタデータ） (2020-10-19T17:59:01Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。