Fugu-MT 論文翻訳(概要): Exponential Savings in Agnostic Active Learning through Abstention

論文の概要: Exponential Savings in Agnostic Active Learning through Abstention

arxiv url: http://arxiv.org/abs/2102.00451v1
Date: Sun, 31 Jan 2021 13:43:14 GMT
ステータス: 処理完了
システム内更新日: 2021-02-04 10:54:08.566002
Title: Exponential Savings in Agnostic Active Learning through Abstention
Title（参考訳）: Agnostic Active LearningにおけるAbstentionによる指数的節約
Authors: Nikita Puchkin and Nikita Zhivotovskiy
Abstract要約: 本稿では,ラベル要求数の指数的削減が,対応する実現可能問題において可能であればいつでも可能であることを示す。本研究は, モデルミス種別に基づくプール型アクティブな分類において, 指数的貯蓄のための必要かつ十分な条件を提供するために, この結果を拡張した。
参考スコア（独自算出の注目度）: 3.3885097252852363
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We show that in pool-based active classification without assumptions on the underlying distribution, if the learner is given the power to abstain from some predictions by paying the price marginally smaller than the average loss $1/2$ of a random guess, exponential savings in the number of label requests are possible whenever they are possible in the corresponding realizable problem. We extend this result to provide a necessary and sufficient condition for exponential savings in pool-based active classification under the model misspecification.
Abstract（参考訳）: プールをベースとしたアクティブな分類において,学習者が平均損失1/2$のランダムな推測よりも価格を極端に小さくすることで,いくつかの予測から退避する権限を与えられた場合,対応する実現可能な問題において,ラベル要求数に対する指数的貯蓄が可能となることを示す。我々はこの結果を拡張し,プール型アクティブ分類において,モデル誤分類下での指数的節約に必要な十分条件を提供する。

関連論文リスト

Rejection via Learning Density Ratios [50.91522897152437]
拒絶による分類は、モデルを予測しないことを許容する学習パラダイムとして現れます。そこで我々は,事前学習したモデルの性能を最大化する理想的なデータ分布を求める。私たちのフレームワークは、クリーンでノイズの多いデータセットで実証的にテストされます。
論文参考訳（メタデータ） (2024-05-29T01:32:17Z)
VL4Pose: Active Learning Through Out-Of-Distribution Detection For Pose Estimation [79.50280069412847]
VL4Poseは、分布外検出によるアクティブな学習のための第一原理的アプローチである。我々の解は、最大推定により訓練された単純なパラメトリックベイズネットワークを介してポーズをモデル化することを含む。我々はMPII, LSP, ICVLの3つのデータセットに対して定性的かつ定量的な実験を行い, 人手ポーズ推定を行った。
論文参考訳（メタデータ） (2022-10-12T09:03:55Z)
Classification by estimating the cumulative distribution function for small data [4.3454147188676595]
与えられたデータの条件付き確率関数を推定して分類問題を考察する。新しい予測リスク推定の主な特徴は、入力空間の分布に対するリスクを測定することである。新たなメカニズムに基づく分類モデルと分類評価指標が従来のものと異なる点に留意する必要がある。
論文参考訳（メタデータ） (2022-10-12T06:36:14Z)
Bounding Counterfactuals under Selection Bias [60.55840896782637]
本稿では,識別不能なクエリと識別不能なクエリの両方に対処するアルゴリズムを提案する。選択バイアスによって引き起こされる欠如にもかかわらず、利用可能なデータの可能性は無限であることを示す。
論文参考訳（メタデータ） (2022-07-26T10:33:10Z)
Robust PAC$^m$: Training Ensemble Models Under Misspecification and Outliers [46.38465729190199]
PAC-ベイズ理論は、ベイズ学習によって最小化された自由エネルギー基準が、ギブス予想器の一般化誤差に束縛されていることを証明している。この研究は、一般化されたスコア関数とPAC$m$アンサンブル境界を組み合わせた、新しい堅牢な自由エネルギー基準を示す。
論文参考訳（メタデータ） (2022-03-03T17:11:07Z)
Achieving Minimax Rates in Pool-Based Batch Active Learning [26.12124106759262]
本稿では,学習者がラベル付けオラクルへのポイントのバッチを適応的に発行する,バッチアクティブな学習シナリオについて考察する。本稿では,問合せ点の情報性と,その多様性との間に注意深いトレードオフを必要とする解を提案する。
論文参考訳（メタデータ） (2022-02-11T04:55:45Z)
Selective Regression Under Fairness Criteria [30.672082160544996]
少数派集団のパフォーマンスは、カバー範囲を減らしながら低下する場合もある。満足度基準を満たす特徴を構築できれば、そのような望ましくない行動は避けられることを示す。
論文参考訳（メタデータ） (2021-10-28T19:05:12Z)
An Exponential Lower Bound for Linearly-Realizable MDPs with Constant Suboptimality Gap [66.75488143823337]
また, 指数的標本複雑度は, 一定の準最適ギャップを仮定しても, 未だに保持していることを示した。おそらく驚くことに、これはオンラインrl設定と生成モデル設定の指数関数的な分離を意味する。
論文参考訳（メタデータ） (2021-03-23T17:05:54Z)
Estimation and Applications of Quantiles in Deep Binary Classification [0.0]
チェック損失に基づく量子回帰は統計学において広く使われている推論パラダイムである。二項分類設定におけるチェック損失の類似について考察する。我々は、予測が信頼できるかどうかを判断するために使用できる個別信頼度スコアを開発する。
論文参考訳（メタデータ） (2021-02-09T07:07:42Z)
L2R2: Leveraging Ranking for Abductive Reasoning [65.40375542988416]
学習システムの帰納的推論能力を評価するために,帰納的自然言語推論タスク(alpha$NLI)を提案する。新たな$L2R2$アプローチは、Learning-to-rankフレームワークの下で提案されている。 ARTデータセットの実験は、公開リーダボードの最先端に到達します。
論文参考訳（メタデータ） (2020-05-22T15:01:23Z)

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。