Fugu-MT 論文翻訳(概要): BABA: Beta Approximation for Bayesian Active Learning

論文の概要: BABA: Beta Approximation for Bayesian Active Learning

arxiv url: http://arxiv.org/abs/2105.14559v1
Date: Sun, 30 May 2021 14:49:10 GMT
ステータス: 処理完了
システム内更新日: 2021-06-01 17:40:45.063309
Title: BABA: Beta Approximation for Bayesian Active Learning
Title（参考訳）: BABA:ベイジアンアクティブラーニングのためのベータ近似
Authors: Jae Oh Woo
Abstract要約: ベイジアンアクティブラーニングフレームワークBABAで新たな獲得機能を導入する。これは、以前に確立されたBALDと、モデルパラメータとデータの予測出力の間の相互情報をキャプチャするBatchBALDによって動機付けられている。
参考スコア（独自算出の注目度）: 1.218340575383456
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: This paper introduces a new acquisition function under the Bayesian active learning framework, namely BABA. It is motivated by previously well-established works BALD, and BatchBALD which capture the mutual information between the model parameters and the predictive outputs of the data. Our proposed measure, BABA, endeavors to quantify the normalized mutual information by approximating the stochasticity of predictive probabilities using Beta distributions. BABA outperforms the well-known family of acquisition functions, including BALD and BatchBALD. We demonstrate this by showing extensive experimental results obtained from MNIST and EMNIST datasets.
Abstract（参考訳）: 本稿では,ベイジアンアクティブラーニングフレームワークBABAに基づく新たな獲得機能を提案する。これは、以前に確立されたBALDと、モデルパラメータとデータの予測出力の間の相互情報をキャプチャするBatchBALDによって動機付けられている。提案手法であるBABAは,ベータ分布を用いて予測確率の確率を近似することにより,正規化された相互情報の定量化を図る。 BABAはBALDやBatchBALDなど、よく知られた買収機能群を上回っている。 MNIST と EMNIST のデータセットから得られた実験結果について示す。

関連論文リスト

A Bayesian Approach to Data Point Selection [24.98069363998565]
データポイントの選択(DPS)は、ディープラーニングにおいて重要なトピックになりつつある。既存のDPSへのアプローチは、主にバイレベル最適化(BLO)の定式化に基づいている。 DPSに対する新しいベイズ的アプローチを提案する。
論文参考訳（メタデータ） (2024-11-06T09:04:13Z)
Equation Discovery with Bayesian Spike-and-Slab Priors and Efficient Kernels [57.46832672991433]
ケルネル学習とBayesian Spike-and-Slab pres (KBASS)に基づく新しい方程式探索法を提案する。カーネルレグレッションを用いてターゲット関数を推定する。これはフレキシブルで表現力があり、データ空間やノイズに対してより堅牢である。我々は,効率的な後部推論と関数推定のための予測伝搬予測最大化アルゴリズムを開発した。
論文参考訳（メタデータ） (2023-10-09T03:55:09Z)
Symmetric Equilibrium Learning of VAEs [56.56929742714685]
可変オートエンコーダ(VAE)をデコーダ-エンコーダペアとみなし,データ空間内の分布を潜在空間内の分布にマッピングする。本研究では,エンコーダとデコーダに対して対称なナッシュ均衡学習手法を提案し,データと潜伏分布の両方がサンプリングによってのみアクセス可能な状況下でのVAEの学習を可能にする。
論文参考訳（メタデータ） (2023-07-19T10:27:34Z)
Adaptive Conformal Prediction by Reweighting Nonconformity Score [0.0]
我々は、QRF(Quantile Regression Forest)を用いて、不整合スコアの分布を学習し、QRFの重みを利用して、テストポイントに類似した残差を持つサンプルにより重要度を割り当てる。提案手法は,仮定のない有限標本境界範囲と訓練条件範囲を満足し,適切な仮定の下で条件付き範囲を確保できる。
論文参考訳（メタデータ） (2023-03-22T16:42:19Z)
Sample-based Uncertainty Quantification with a Single Deterministic Neural Network [4.7210697296108926]
より安定かつスムーズなトレーニングを実現するために,disCOネットのニューラルネットワークの改良を提案する。本稿では,エネルギースコアを用いた予測分布の学習の有効性に関する基礎的証明を提案する。
論文参考訳（メタデータ） (2022-09-17T22:37:39Z)
Bayesian Active Learning with Fully Bayesian Gaussian Processes [0.0]
ラベル付きデータが乏しい、あるいは入手が難しいアクティブラーニングでは、このトレードオフを無視することは、非効率なクエリを引き起こす可能性がある。取得関数にバイアス分散トレードオフを組み込むことで、不要で高価なデータラベリングが軽減されることを示す。
論文参考訳（メタデータ） (2022-05-20T13:52:04Z)
Efficient Model-based Multi-agent Reinforcement Learning via Optimistic Equilibrium Computation [93.52573037053449]
H-MARL (Hallucinated Multi-Agent Reinforcement Learning) は,環境と数回交流した後の平衡政策を学習する。自律運転シミュレーションベンチマークにおいて,本手法を実験的に実証した。
論文参考訳（メタデータ） (2022-03-14T17:24:03Z)
Maximizing Conditional Entropy for Batch-Mode Active Learning of Perceptual Metrics [14.777274711706653]
最大エントロピー原理を用いたバッチモードアクティブメトリック学習の新たなアプローチを提案する。単調に増大する部分モジュラーエントロピー関数を利用して効率的なグリードアルゴリズムを構築する。私たちのアプローチは、トリプルレット全体の情報性と多様性のバランスをとる統一されたスコアを定義する最初のバッチモードアクティブメトリック学習方法です。
論文参考訳（メタデータ） (2021-02-15T06:55:17Z)
Attentional-Biased Stochastic Gradient Descent [74.49926199036481]
深層学習におけるデータ不均衡やラベルノイズ問題に対処するための証明可能な手法(ABSGD)を提案する。本手法は運動量SGDの簡易な修正であり,各試料に個別の重み付けを行う。 ABSGDは追加コストなしで他の堅牢な損失と組み合わせられるほど柔軟である。
論文参考訳（メタデータ） (2020-12-13T03:41:52Z)
Sparse Feature Selection Makes Batch Reinforcement Learning More Sample Efficient [62.24615324523435]
本稿では,スパース線形関数近似を用いた高次元バッチ強化学習(RL)の統計的解析を行う。候補となる機能が多数存在する場合,提案手法がバッチRLをより効率的にサンプリングできるという事実に光を当てる。
論文参考訳（メタデータ） (2020-11-08T16:48:02Z)
Probabilistic Case-based Reasoning for Open-World Knowledge Graph Completion [59.549664231655726]
ケースベース推論(CBR)システムは,与えられた問題に類似した事例を検索することで,新たな問題を解決する。本稿では,知識ベース(KB)の推論において,そのようなシステムが実現可能であることを示す。提案手法は,KB内の類似エンティティからの推論パスを収集することにより,エンティティの属性を予測する。
論文参考訳（メタデータ） (2020-10-07T17:48:12Z)

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。