論文の概要: On Representation Learning with Feedback
- arxiv url: http://arxiv.org/abs/2202.07572v1
- Date: Tue, 15 Feb 2022 16:58:49 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-16 17:05:29.952595
- Title: On Representation Learning with Feedback
- Title(参考訳): フィードバックによる表現学習について
- Authors: Hao Li
- Abstract要約: このノートは、著者の最近の論文"Robust representation learning with feedback for single image deraining"を補完するものである。
フィードバックによる表現学習のメカニズム、すなわち本記事で提示された作品の本質的なメリットに関する理論的説明を提供する。
- 参考スコア(独自算出の注目度): 8.393878634479407
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This note complements the author's recent paper "Robust representation
learning with feedback for single image deraining" by providing heuristically
theoretical explanations on the mechanism of representation learning with
feedback, namely an essential merit of the works presented in this recent
article. This note facilitates understanding of key points in the mechanism of
representation learning with feedback.
- Abstract(参考訳): 本論文は,著者の最近の論文 "robust representation learning with feedback for single image deraining" を補完し,表現学習のメカニズムに関するヒューリスティックな理論的説明,すなわち本論文で提示された著作の本質的メリットを提供する。
このノートは、フィードバックによる表現学習のメカニズムにおけるキーポイントの理解を促進する。
関連論文リスト
- Advancing Ante-Hoc Explainable Models through Generative Adversarial
Networks [27.481736329336247]
本稿では,視覚的分類タスクにおけるモデル解釈可能性と性能を向上させるための新しい概念学習フレームワークを提案する。
本手法では, 教師なし説明生成器を一次分類器ネットワークに付加し, 対角訓練を利用する。
この研究は、タスク整合概念表現を用いた本質的に解釈可能なディープビジョンモデルを構築するための重要なステップを示す。
論文 参考訳(メタデータ) (2024-01-09T16:16:16Z) - Improving Factuality of Abstractive Summarization via Contrastive Reward
Learning [77.07192378869776]
本稿では,報酬学習と実効性指標の最近の発展を取り入れた,シンプルだが効果的なコントラスト学習フレームワークを提案する。
実証的研究により,提案手法により,実測値のフィードバックから要約モデルを学習できることが実証された。
論文 参考訳(メタデータ) (2023-07-10T12:01:18Z) - Counterfactuals of Counterfactuals: a back-translation-inspired approach
to analyse counterfactual editors [3.4253416336476246]
我々は、反事実的、対照的な説明の分析に焦点をあてる。
本稿では,新しい逆翻訳に基づく評価手法を提案する。
本研究では, 予測モデルと説明モデルの両方の振る舞いについて, 反事実を反復的に説明者に与えることで, 価値ある洞察を得ることができることを示す。
論文 参考訳(メタデータ) (2023-05-26T16:04:28Z) - Rethinking the Learning Paradigm for Facial Expression Recognition [66.25012917019376]
既存のトレーニングパラダイムを再考し、弱い教師付き戦略を用いて、オリジナルの曖昧なアノテーションでFERモデルをトレーニングする方がよいと提案する。
本稿では、弱教師付き戦略を用いて、オリジナルの曖昧なアノテーションでFERモデルを訓練した方がよいと論じる。
論文 参考訳(メタデータ) (2022-09-30T12:00:54Z) - Towards Disentangled Speech Representations [65.7834494783044]
本研究では, ASR と TTS の合同モデリングに基づく表現学習タスクを構築する。
本研究は,その部分の音声信号と,その部分の音声信号とをアンタングルする音声表現を学習することを目的とする。
我々は,これらの特性をトレーニング中に強化することにより,WERを平均24.5%向上させることを示す。
論文 参考訳(メタデータ) (2022-08-28T10:03:55Z) - RELAX: Representation Learning Explainability [10.831313203043514]
本稿では、帰属に基づく表現の説明のための最初のアプローチであるRELAXを提案する。
ReLAXは、入力とマスクアウトされた自身のバージョンの間の表現空間における類似性を測定することで表現を説明する。
我々はRELAXの理論的解釈を提供し、教師なし学習を用いて訓練された特徴抽出器を新規に解析する。
論文 参考訳(メタデータ) (2021-12-19T14:51:31Z) - A Tutorial on Learning Disentangled Representations in the Imaging
Domain [13.320565017546985]
汎用表現学習のアプローチとして, 遠方表現学習が提案されている。
適切な汎用表現は、控えめな量のデータを使用して、新しいターゲットタスクに対して容易に微調整できる。
解離表現はモデル説明可能性を提供し、変動要因の根底にある因果関係を理解するのに役立つ。
論文 参考訳(メタデータ) (2021-08-26T21:44:10Z) - Representation Learning for Natural Language Processing [73.11093736950399]
本書は,NLPにおける分散表現学習の最近の進歩をレビューし,提示することを目的としている。
表現学習がNLPを改善できる理由、表現学習がNLPの様々な重要なトピックにどのように関与するか、そして分散表現によってまだ解決されていない課題などが含まれる。
論文 参考訳(メタデータ) (2021-02-07T07:37:07Z) - Evaluating Explanations: How much do explanations from the teacher aid
students? [103.05037537415811]
本研究では,説明が生徒の学習モデルを改善する程度を測る学生-教師パラダイムを用いて,説明の価値を定式化する。
説明を評価するための従来の提案とは異なり、我々のアプローチは容易にゲーム化できず、原則付き、スケーラブルで、属性の自動評価を可能にします。
論文 参考訳(メタデータ) (2020-12-01T23:40:21Z) - Evaluations and Methods for Explanation through Robustness Analysis [117.7235152610957]
分析による特徴に基づく説明の新たな評価基準を確立する。
我々は、緩やかに必要であり、予測に十分である新しい説明を得る。
我々は、現在の予測をターゲットクラスに移動させる一連の特徴を抽出するために、説明を拡張します。
論文 参考訳(メタデータ) (2020-05-31T05:52:05Z)
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。