論文の概要: Improving greedy core-set configurations for active learning with
uncertainty-scaled distances
- arxiv url: http://arxiv.org/abs/2202.04251v1
- Date: Wed, 9 Feb 2022 03:16:27 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-11 00:54:56.979975
- Title: Improving greedy core-set configurations for active learning with
uncertainty-scaled distances
- Title(参考訳): 不確実性スケール距離をもつアクティブラーニングのための欲望コアセット構成の改善
- Authors: Yuchen Li, Frank Rudzicz
- Abstract要約: CIFAR10/100 と SVHN 画像分類におけるサンプル効率の大幅な向上が確認できた。
修正の必要性を示し、コアセット損失の収束における確率的二次的スピードアップによる改善の方法を説明する。
- 参考スコア(独自算出の注目度): 28.73393286259982
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We scale perceived distances of the core-set algorithm by a factor of
uncertainty and search for low-confidence configurations, finding significant
improvements in sample efficiency across CIFAR10/100 and SVHN image
classification, especially in larger acquisition sizes. We show the necessity
of our modifications and explain how the improvement is due to a probabilistic
quadratic speed-up in the convergence of core-set loss, under assumptions about
the relationship of model uncertainty and misclassification.
- Abstract(参考訳): 我々は,CIFAR10/100およびSVHN画像分類において,不確実性の要因と低信頼度構成の探索により,コアセットアルゴリズムの知覚距離を拡大し,サンプル効率を著しく向上させた。
我々は,モデルの不確かさと誤分類の関係を前提に,コアセット損失の収束における確率的二次速度アップによる改善の理由を説明する。
関連論文リスト
- Towards Calibrated Deep Clustering Network [66.32979175252478]
推定された信頼度と実際の精度を効果的に調整できる新しいデュアルヘッドディープクラスタリングパイプラインを提案する。
提案するキャリブレーション・ディープ・クラスタリング・フレームワークは,キャリブレーションの予測誤差から,最先端のディープ・クラスタリング手法を約10倍超えた。
論文 参考訳(メタデータ) (2024-03-04T11:23:40Z) - Variational Voxel Pseudo Image Tracking [127.46919555100543]
不確実性推定は、ロボット工学や自律運転といった重要な問題にとって重要なタスクである。
本稿では,3次元物体追跡のためのVoxel Pseudo Image Tracking (VPIT) の変分ニューラルネットワークによるバージョンを提案する。
論文 参考訳(メタデータ) (2023-02-12T13:34:50Z) - Reliable Multimodal Trajectory Prediction via Error Aligned Uncertainty
Optimization [11.456242421204298]
よく校正されたモデルでは、不確実性推定はモデル誤差と完全に相関する。
本稿では,モデル誤差に整合した品質不確実性推定を導出するための,新しい誤差整合不確実性最適化手法を提案する。
本研究では, 平均変位誤差を1.69%, 4.69%, モデル誤差との不確実性相関を17.22%, 19.13%, ピアソン相関係数で定量化することにより, 平均変位誤差を1.69%, 4.69%改善することを示した。
論文 参考訳(メタデータ) (2022-12-09T12:33:26Z) - Neural Networks with Quantization Constraints [111.42313650830248]
量子化学習における制約付き学習手法を提案する。
結果の問題は強い双対であり、勾配推定は不要であることを示す。
提案手法は画像分類タスクにおける競合性能を示す。
論文 参考訳(メタデータ) (2022-10-27T17:12:48Z) - Adaptive Dimension Reduction and Variational Inference for Transductive
Few-Shot Classification [2.922007656878633]
適応次元の削減によりさらに改善された変分ベイズ推定に基づく新しいクラスタリング法を提案する。
提案手法は,Few-Shotベンチマークにおける現実的非バランスなトランスダクティブ設定の精度を大幅に向上させる。
論文 参考訳(メタデータ) (2022-09-18T10:29:02Z) - The role of MRI physics in brain segmentation CNNs: achieving
acquisition invariance and instructive uncertainties [3.46329153611365]
本稿では,物理インフォームド・不確実性を考慮したセグメンテーションネットワークの有効性を示す。
提案手法は, 分布外配列サンプルに対して精度良く外挿することを示す。
本研究では,不確実性に基づくボリューム検証による変動係数の大幅な改善を示す。
論文 参考訳(メタデータ) (2021-11-04T11:52:49Z) - PDC-Net+: Enhanced Probabilistic Dense Correspondence Network [161.76275845530964]
高度確率密度対応ネットワーク(PDC-Net+)は、精度の高い高密度対応を推定できる。
我々は、堅牢で一般化可能な不確実性予測に適したアーキテクチャと強化されたトレーニング戦略を開発する。
提案手法は,複数の挑戦的幾何マッチングと光学的フローデータセットに対して,最先端の結果を得る。
論文 参考訳(メタデータ) (2021-09-28T17:56:41Z) - Gradient-Based Quantification of Epistemic Uncertainty for Deep Object
Detectors [8.029049649310213]
本稿では,新しい勾配に基づく不確実性指標を導入し,異なる物体検出アーキテクチャについて検討する。
実験では、真の肯定的/偽の正の判別と、結合上の交叉の予測において顕著な改善が示された。
また,モンテカルロのドロップアウト不確実性指標に対する改善や,さまざまな不確実性指標のソースを集約することで,さらなる大幅な向上が期待できる。
論文 参考訳(メタデータ) (2021-07-09T16:04:11Z) - Uncertainty-Aware Few-Shot Image Classification [118.72423376789062]
ラベル付き限られたデータから新しいカテゴリを認識できる画像分類はほとんどない。
画像分類のための不確実性を考慮したFew-Shotフレームワークを提案する。
論文 参考訳(メタデータ) (2020-10-09T12:26:27Z) - Accurate and Robust Feature Importance Estimation under Distribution
Shifts [49.58991359544005]
PRoFILEは、新しい特徴重要度推定法である。
忠実さと頑健さの両面で、最先端のアプローチよりも大幅に改善されていることを示す。
論文 参考訳(メタデータ) (2020-09-30T05:29:01Z)
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。