論文の概要: Ensemble Active Learning by Contextual Bandits for AI Incubation in Manufacturing

• arxiv url: http://arxiv.org/abs/2310.06306v1
• Date: Tue, 10 Oct 2023 04:44:35 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-11 20:48:03.822185
• Title: Ensemble Active Learning by Contextual Bandits for AI Incubation in Manufacturing
• Title（参考訳）: aiインキュベーションのためのコンテキストバンディットによるアンサンブルアクティブラーニング
• Authors: Yingyan Zeng, Xiaoyu Chen, Ran Jin
• Abstract要約: データ品質の問題は、オフラインでトレーニングされたAIモデルを妨げる。 しかし、教師付き学習モデルでは、更新のための高品質なストリーミングサンプルを選択する際の課題に直面している。 我々は,探索や搾取を専門とする能動的学習エージェントを用いた,アンサンブル能動的学習手法 CBEAL を導入する。
• 参考スコア（独自算出の注目度）: 6.459813536958331
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Online sensing and computational resources in Industrial Cyber-physical Systems (ICPS) facilitate AI-driven decision-making. Yet, issues with data quality, such as imbalanced classes, hinder AI models trained offline. To address this, AI models are updated online with streaming data for continuous improvement. Supervised learning models, however, face challenges in selecting quality streaming samples for updates due to annotation constraints. Active learning methods in literature offer solutions by focusing on under-represented or well-represented regions. Balancing these strategies in changing manufacturing contexts is challenging. Some acquisition criteria learned by AI dynamically adapt but may not consistently handle frequent changes. We introduce an ensemble active learning method, CBEAL, employing active learning agents specifically for exploration or exploitation. Weights of agents are adjusted based on agent decision effectiveness. CBEAL optimally guides data acquisition, minimizing human annotation. Our theoretical analysis and empirical studies validate CBEAL's efficiency in ICPS manufacturing process modeling.
• Abstract（参考訳）: インダストリアルサイバー物理システム(ICPS)におけるオンラインセンシングと計算資源は、AIによる意思決定を促進する。 しかし、不均衡クラスのようなデータ品質の問題は、オフラインでトレーニングされたaiモデルを妨げている。 これを解決するために、AIモデルは、継続的な改善のためにストリーミングデータと共にオンラインで更新される。 しかし、教師付き学習モデルでは、アノテーションの制約により更新の質の高いストリーミングサンプルを選択することの課題に直面している。 文学におけるアクティブラーニング手法は、表現不足や表現不足に焦点をあてて解決策を提供する。 製造状況の変化におけるこれらの戦略のバランスをとることは難しい。 aiが学習したいくつかの獲得基準は動的に適応するが、頻繁な変更を一貫して処理しない場合もある。 我々は,探索や搾取を専門とする能動的学習エージェントを用いた,アンサンブル能動的学習手法 CBEAL を導入する。 エージェントの重量はエージェント決定の有効性に基づいて調整される。 CBEALはデータ取得を最適にガイドし、人間のアノテーションを最小限にする。 ICPS製造プロセスモデリングにおけるCBEALの有効性を理論的解析および実証研究により検証した。

関連論文リスト

• A Unified Framework for Continual Learning and Machine Unlearning [9.538733681436836]
  継続的学習と機械学習は機械学習において重要な課題であり、通常は別々に対処される。 制御された知識蒸留を活用することによって,両課題に共同で取り組む新しい枠組みを導入する。 我々のアプローチは、最小限の忘れ込みと効果的な標的未学習で効率的な学習を可能にする。
  論文  参考訳（メタデータ） (2024-08-21T06:49:59Z)
• Perturbation-based Active Learning for Question Answering [25.379528163789082]
  アクティブラーニング(AL)トレーニング戦略を活用することで、アノテーションコストの少ない質問応答(QA)モデルを構築することができる。 モデルを効果的に更新するために、最も情報に富んだ未ラベルのトレーニングデータを選択する。
  論文  参考訳（メタデータ） (2023-11-04T08:07:23Z)
• Re-weighting Tokens: A Simple and Effective Active Learning Strategy for Named Entity Recognition [5.740464890791043]
  本稿では,動的スムーズな重み付けを個々のトークンに割り当てる,リウェイトに基づくアクティブラーニング戦略を提案する。 複数のコーパスに対する実験結果から,既存の獲得機能に再重み付け戦略を組み込むことにより,大幅な性能向上が達成された。
  論文  参考訳（メタデータ） (2023-11-02T00:19:02Z)
• ALP: Action-Aware Embodied Learning for Perception [60.64801970249279]
  認知のための行動認識型身体学習(ALP)について紹介する。 ALPは、強化学習ポリシーと逆ダイナミクス予測目標を最適化することにより、行動情報を表現学習に組み込む。 ALPは、複数の下流認識タスクにおいて、既存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） (2023-06-16T21:51:04Z)
• Responsible Active Learning via Human-in-the-loop Peer Study [88.01358655203441]
  我々は,データプライバシを同時に保持し,モデルの安定性を向上させるために,Pear Study Learning (PSL) と呼ばれる責任あるアクティブラーニング手法を提案する。 まず,クラウドサイドのタスク学習者(教師)から未学習データを分離する。 トレーニング中、タスク学習者は軽量なアクティブ学習者に指示し、アクティブサンプリング基準に対するフィードバックを提供する。
  論文  参考訳（メタデータ） (2022-11-24T13:18:27Z)
• Active Learning for Argument Mining: A Practical Approach [2.535271349350579]
  AURC(Argument Unit Recognition and Classification)の課題において,能動学習は,優れた深層学習能力を得るために必要な労力を大幅に削減することを示した。 Active Learningは、アノテーションの最も有益なサンプルをクエリすることで、機械学習モデルのトレーニングに必要なデータ量を削減します。
  論文  参考訳（メタデータ） (2021-09-28T10:58:47Z)
• Reducing Label Effort: Self-Supervised meets Active Learning [32.4747118398236]
  自己学習の最近の進歩は、いくつかのデータセットで教師付き学習に匹敵する非常に印象的な成果を上げている。 実験の結果, 自己学習は, ラベル付け作業の削減において, 積極的学習よりも極めて効率的であることが判明した。 自己学習またはスクラッチでトレーニングされたアクティブラーニングのパフォーマンスギャップは、データセットのほぼ半分がラベル付けされた時点に近づくにつれて減少します。
  論文  参考訳（メタデータ） (2021-08-25T20:04:44Z)
• Mind Your Outliers! Investigating the Negative Impact of Outliers on Active Learning for Visual Question Answering [71.15403434929915]
  視覚的質問応答のタスクにおいて、5つのモデルと4つのデータセットにまたがって、多種多様な能動的学習アプローチがランダム選択を上回りません。 アクティブな学習手法が好まれるが、モデルは学習に失敗する例の集まりである。 本研究では,アクティブ学習プールにおける集団外乱の減少に伴い,アクティブ学習サンプル効率が著しく向上することを示す。
  論文  参考訳（メタデータ） (2021-07-06T00:52:11Z)
• Co$^2$L: Contrastive Continual Learning [69.46643497220586]
  近年の自己教師型学習のブレークスルーは、このようなアルゴリズムが視覚的な表現を学習し、見えないタスクにもっとうまく移行できることを示している。 本稿では、連続的な学習と伝達可能な表現の維持に焦点を当てたリハーサルに基づく連続学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-06-28T06:14:38Z)
• Active Learning for Sequence Tagging with Deep Pre-trained Models and Bayesian Uncertainty Estimates [52.164757178369804]
  自然言語処理のためのトランスファーラーニングとアクティブラーニングの最近の進歩は、必要なアノテーション予算を大幅に削減する可能性を開く。 我々は,様々なベイズ不確実性推定手法とモンテカルロドロップアウトオプションの実験的研究を,アクティブ学習フレームワークで実施する。 また, 能動学習中にインスタンスを取得するためには, 完全サイズのトランスフォーマーを蒸留版に置き換えることにより, 計算性能が向上することを示した。
  論文  参考訳（メタデータ） (2021-01-20T13:59:25Z)
• Parrot: Data-Driven Behavioral Priors for Reinforcement Learning [79.32403825036792]
  そこで本研究では,実験で得られた複雑なインプット・アウトプット関係を事前に学習する手法を提案する。 RLエージェントが新規な動作を試す能力を阻害することなく、この学習が新しいタスクを迅速に学習するのにどのように役立つかを示す。
  論文  参考訳（メタデータ） (2020-11-19T18:47:40Z)

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。