Fugu-MT 論文翻訳(概要): A Survey on Active Feature Acquisition Strategies

論文の概要: A Survey on Active Feature Acquisition Strategies

arxiv url: http://arxiv.org/abs/2502.11067v1
Date: Sun, 16 Feb 2025 10:19:33 GMT
ステータス: 翻訳完了
システム内更新日: 2025-02-18 14:09:52.212375
Title: A Survey on Active Feature Acquisition Strategies
Title（参考訳）: 能動的特徴獲得戦略に関する調査研究
Authors: Arman Rahbar, Linus Aronsson, Morteza Haghir Chehreghani,
Abstract要約: アクティブな特徴取得は、完全なデータ収集のコストを抑えながら正確な予測を行うという課題を研究する。これらの戦略は、各インスタンスで最も重要な機能のみを選択的に取得することにより、データ収集が高価または時間を要するシナリオにおける効率的な意思決定を可能にする。
参考スコア（独自算出の注目度）: 3.1542695050861544
License:
Abstract: Active feature acquisition studies the challenge of making accurate predictions while limiting the cost of collecting complete data. By selectively acquiring only the most informative features for each instance, these strategies enable efficient decision-making in scenarios where data collection is expensive or time-consuming. This survey reviews recent progress in active feature acquisition, discussing common problem formulations, practical challenges, and key insights. We also highlight open issues and promising directions for future research.
Abstract（参考訳）: アクティブな特徴取得は、完全なデータ収集のコストを抑えながら正確な予測を行うという課題を研究する。これらの戦略は、各インスタンスで最も重要な機能のみを選択的に取得することにより、データ収集が高価または時間を要するシナリオにおける効率的な意思決定を可能にする。本調査では,最近の機能獲得の進展を概観し,共通問題の定式化,実践的課題,重要な洞察について論じる。オープンな問題や将来的な研究の方向性も強調する。

関連論文リスト

Introducing a Comprehensive, Continuous, and Collaborative Survey of Intrusion Detection Datasets [2.7082111912355877]
COMIDDSは、侵入検出データセットを前例のないレベルで包括的に調査する試みである。実際のデータサンプルや関連する出版物へのリンクを含む、各データセットに関する構造化されたクリティカルな情報を提供する。
論文参考訳（メタデータ） (2024-08-05T14:40:41Z)
Deep Learning-Based Object Pose Estimation: A Comprehensive Survey [73.74933379151419]
ディープラーニングに基づくオブジェクトポーズ推定の最近の進歩について論じる。また、複数の入力データモダリティ、出力ポーズの自由度、オブジェクト特性、下流タスクについても調査した。
論文参考訳（メタデータ） (2024-05-13T14:44:22Z)
Object Detectors in the Open Environment: Challenges, Solutions, and Outlook [95.3317059617271]
オープン環境のダイナミックで複雑な性質は、オブジェクト検出器に新しくて恐ろしい挑戦をもたらす。本稿では,オープン環境におけるオブジェクト検出器の総合的なレビューと解析を行う。データ/ターゲットの変化の次元に基づいて、4つの四分法(ドメイン外、カテゴリ外、堅牢な学習、漸進的な学習)を含むフレームワークを提案する。
論文参考訳（メタデータ） (2024-03-24T19:32:39Z)
Estimating Conditional Mutual Information for Dynamic Feature Selection [14.706269510726356]
動的な特徴選択は、機能獲得コストを削減し、モデルの予測に透明性を提供する、有望なパラダイムである。ここでは、情報理論の観点から、応答変数との相互情報に基づいて特徴を優先順位付けする。提案手法は, 様々なデータセットにわたる最近の手法に対して一貫した利得を提供する。
論文参考訳（メタデータ） (2023-06-05T23:03:03Z)
Active learning for data streams: a survey [0.48951183832371004]
オンラインアクティブな学習は機械学習のパラダイムであり、データストリームからラベルに最も情報のあるデータポイントを選択することを目的としている。それぞれの観測に注釈をつけるのは時間と費用がかかり、大量のラベル付きデータを得るのが難しくなる。本研究の目的は、データストリームから最も情報性の高い観測をリアルタイムで選択するための、最近提案されたアプローチの概要を提供することである。
論文参考訳（メタデータ） (2023-02-17T14:24:13Z)
A Comparative Review of Recent Few-Shot Object Detection Algorithms [0.0]
ラベル付きデータで新しいクラスに適応するために学習するオブジェクトの少ない検出は、命令的で長期にわたる問題である。近年の研究では、ターゲットドメインを監督せずに追加データセットに暗黙の手がかりを使って、少数のショット検出器が堅牢なタスク概念を洗練させる方法が研究されている。
論文参考訳（メタデータ） (2021-10-30T07:57:11Z)
Single-Modal Entropy based Active Learning for Visual Question Answering [75.1682163844354]
視覚質問応答(VQA)のマルチモーダル設定におけるアクティブラーニングに対処するマルチモーダルな入力,画像,質問を考慮し,有効サンプル取得のための新しい手法を提案する。私たちの新しいアイデアは、実装が簡単で、コスト効率が高く、他のマルチモーダルタスクにも容易に適応できます。
論文参考訳（メタデータ） (2021-10-21T05:38:45Z)
Just Label What You Need: Fine-Grained Active Selection for Perception and Prediction through Partially Labeled Scenes [78.23907801786827]
提案手法は,コストに配慮した手法と,部分的にラベル付けされたシーンを通じて詳細なサンプル選択を可能にする一般化を導入している。実世界の大規模自動運転データセットに関する我々の実験は、微粒な選択が知覚、予測、下流計画タスクのパフォーマンスを向上させることを示唆している。
論文参考訳（メタデータ） (2021-04-08T17:57:41Z)
Active Learning: Problem Settings and Recent Developments [2.1574781022415364]
本稿では,アクティブラーニングの基本的課題と最近の研究動向について述べる。特に,ラベリング用データからサンプルを選択する学習獲得関数の研究,アクティブ学習アルゴリズムに関する理論的研究,逐次データ取得のための停止基準について注目する。
論文参考訳（メタデータ） (2020-12-08T05:24:06Z)
Reinforcement Learning with Efficient Active Feature Acquisition [59.91808801541007]
実生活では、情報取得は患者の医療検査に該当する可能性がある。本稿では,アクティブな特徴獲得ポリシーを学習するモデルに基づく強化学習フレームワークを提案する。この成功の鍵は、部分的に観察された状態から高品質な表現を学ぶ新しい逐次変分自動エンコーダである。
論文参考訳（メタデータ） (2020-11-02T08:46:27Z)
Improving Multi-Turn Response Selection Models with Complementary Last-Utterance Selection by Instance Weighting [84.9716460244444]
我々は、データリソース自体の根底にある相関を利用して、異なる種類の監視信号を導出することを検討する。 2つの公開データセットで広範な実験を行い、両方のデータセットで大幅に改善した。
論文参考訳（メタデータ） (2020-02-18T06:29:01Z)

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。