Fugu-MT 論文翻訳(概要): A Markovian Formalism for Active Querying

論文の概要: A Markovian Formalism for Active Querying

arxiv url: http://arxiv.org/abs/2306.08001v1
Date: Tue, 13 Jun 2023 06:49:50 GMT
ステータス: 処理完了
システム内更新日: 2023-06-16 23:30:02.296024
Title: A Markovian Formalism for Active Querying
Title（参考訳）: アクティブクエリのためのマルコフ形式
Authors: Sid Ijju
Abstract要約: 私たちのフォーマリズムは、アクティブな学習プロセス全体に対して部分的に観察可能なマルコフシステムアプローチを取ります。クエリ、データセット拡張、報酬更新、その他のアクティブラーニングの側面が、Markovianシステムにおけるメタステート間の遷移と見なすことができるのかを概説する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Active learning algorithms have been an integral part of recent advances in artificial intelligence. However, the research in the field is widely varying and lacks an overall organizing leans. We outline a Markovian formalism for the field of active learning and survey the literature to demonstrate the organizing capability of our proposed formalism. Our formalism takes a partially observable Markovian system approach to the active learning process as a whole. We specifically outline how querying, dataset augmentation, reward updates, and other aspects of active learning can be viewed as a transition between meta-states in a Markovian system, and give direction into how other aspects of active learning can fit into our formalism.
Abstract（参考訳）: アクティブな学習アルゴリズムは、人工知能の最近の進歩の不可欠な部分である。しかし、この分野の研究は幅広く変化し、全体の組織的リーンが欠如している。我々は,能動的学習分野におけるマルコフ形式主義の概要と,提案した形式主義の組織化能力を示す文献の調査を行う。私たちのフォーマリズムは、アクティブな学習プロセス全体に対して部分的に観察可能なマルコフシステムアプローチを取ります。具体的には、クエリ、データセットの強化、報酬更新、およびアクティブラーニングの他の側面をマルコフ系におけるメタ状態間の遷移と見なす方法を説明し、アクティブラーニングの他の側面が形式にどのように適合するかを指示します。

関連論文リスト

Learning Symbolic Task Representation from a Human-Led Demonstration: A Memory to Store, Retrieve, Consolidate, and Forget Experiences [3.0501524254444767]
認知的な記憶機能に着想を得たシンボリックラーニングフレームワークを提案する。我々の主な貢献は、階層的な知識表現をブートストラップするための様々な記憶を調べるために使用できるフレームワークの形式化である。
論文参考訳（メタデータ） (2024-04-16T14:14:34Z)
In-Memory Learning: A Declarative Learning Framework for Large Language Models [56.62616975119192]
本研究では,人間ラベルデータに頼らずにエージェントが環境に整合できる新しい学習フレームワークを提案する。このプロセス全体がメモリコンポーネント内で変換され、自然言語で実装される。フレームワークの有効性を実証し、この問題に対する洞察を提供する。
論文参考訳（メタデータ） (2024-03-05T08:25:11Z)
Learning to Learn for Few-shot Continual Active Learning [9.283518682371756]
継続的な学習は、新しいドメインで可塑性を示しながら、以前見たタスクを解く際の安定性を確保するために努力する。連続学習の最近の進歩は、特にNLPドメインにおいて、主に教師付き学習環境に限られている。我々はメタラーニングを活用し,メタコンチネンタルアクティブラーニングと呼ばれる手法を提案する。
論文参考訳（メタデータ） (2023-11-07T05:22:11Z)
Exploring Active Learning in Meta-Learning: Enhancing Context Set Labeling [17.563853245956455]
いくつかの設定では、ラベルのどのポイントを積極的に選択することが可能である。ガウス混合体を適合させてラベルのどの点を選択するかを選択する自然アルゴリズムを提案する。提案アルゴリズムは、複数のベンチマークデータセットにまたがる様々なメタラーニングアルゴリズムを使用する場合、最先端のアクティブラーニング手法より優れている。
論文参考訳（メタデータ） (2023-11-06T05:18:01Z)
Deep Active Learning for Computer Vision: Past and Future [50.19394935978135]
AIモデルの開発に欠かせない役割にもかかわらず、アクティブラーニングの研究は他の研究の方向性ほど集中的ではない。データ自動化の課題に対処し、自動化された機械学習システムに対処することによって、アクティブな学習はAI技術の民主化を促進する。
論文参考訳（メタデータ） (2022-11-27T13:07:14Z)
ALANNO: An Active Learning Annotation System for Mortals [0.0]
ALANNOは、アクティブラーニングを利用したNLPタスクのためのオープンソースのアノテーションシステムである。アクティブな学習システムを展開する上での実践的な課題に焦点をあてる。我々は、多くのアクティブな学習方法と基盤となる機械学習モデルで、このシステムをサポートしています。
論文参考訳（メタデータ） (2022-11-11T14:19:41Z)
State Representation Learning for Goal-Conditioned Reinforcement Learning [9.162936410696407]
本稿では,報酬のないマルコフ決定過程に対する新しい状態表現を提案する。自己監督的な方法で、組込み状態のペア間の埋め込み空間は、それらの間の遷移に必要な最小のアクション数に対応する。我々は、この表現がどのようにしてゴール条件付きポリシーを学ぶことができるかを示す。
論文参考訳（メタデータ） (2022-05-04T09:20:09Z)
Online Structured Meta-learning [137.48138166279313]
現在のオンラインメタ学習アルゴリズムは、グローバルに共有されたメタラーナーを学ぶために限られている。この制限を克服するオンライン構造化メタラーニング(OSML)フレームワークを提案する。 3つのデータセットの実験は、提案フレームワークの有効性と解釈可能性を示している。
論文参考訳（メタデータ） (2020-10-22T09:10:31Z)
Bayesian active learning for production, a systematic study and a reusable library [85.32971950095742]
本稿では,現在のアクティブラーニング技術の主な欠点について分析する。実世界のデータセットの最も一般的な課題が深層能動学習プロセスに与える影響について,系統的研究を行った。部分的不確実性サンプリングやより大きいクエリサイズといった,アクティブな学習ループを高速化する2つの手法を導出する。
論文参考訳（メタデータ） (2020-06-17T14:51:11Z)
Intra- and Inter-Action Understanding via Temporal Action Parsing [118.32912239230272]
本研究では,スポーツビデオにサブアクションの手動アノテーションを付加した新しいデータセットを構築し,その上に時間的行動解析を行う。スポーツ活動は通常、複数のサブアクションから構成されており、このような時間構造に対する意識は、行動認識に有益であることを示す。また,時間的解析手法を多数検討し,そのラベルを知らずにトレーニングデータからサブアクションをマイニングできる改良手法を考案した。
論文参考訳（メタデータ） (2020-05-20T17:45:18Z)
Automated Relational Meta-learning [95.02216511235191]
本稿では,クロスタスク関係を自動的に抽出し,メタ知識グラフを構築する自動リレーショナルメタ学習フレームワークを提案する。我々は,2次元玩具の回帰と少数ショット画像分類に関する広範な実験を行い,ARMLが最先端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） (2020-01-03T07:02:25Z)

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。