論文の概要: MTSSL: Meta-Thresholding Semi-Supervised Learning

• arxiv url: http://arxiv.org/abs/2607.16363v1
• Date: Fri, 17 Jul 2026 13:01:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-21 18:48:37.132202
• Title: MTSSL: Meta-Thresholding Semi-Supervised Learning
• Title（参考訳）: MTSSL:メタスレッショルドなセミスーパーバイザードラーニング
• Authors: Shuyang Liu, Ziang Zeng, Ruiqiu Zheng, Jiazheng Wang, Zechen Liu, Wenxi Li, Zhou Yu,
• Abstract要約: 多くの半教師付き学習(SSL)アルゴリズムは、擬似ラベルを選択するために閾値$$に遭遇する。 SSLにおける$$の役割を説明する統一的な理論フレームワークを構築します。 SSLアルゴリズムの精度曲線は$$の値が著しく異なる場合でも完全に重なる可能性があることを示す。
• 参考スコア（独自算出の注目度）: 19.836892531596977
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A large body of Semi-supervised Learning~(SSL) algorithms encounter the threshold $τ$ to select pseudo-labels. The value of $τ$ across different SSL algorithms can vary depending on the learning perspective, yet they may achieve similar performance. It motivates us to establish a unified theoretical framework to explain the role of $τ$ in SSL. We statistically explained that the unsupervised loss is affected independently by correct and incorrect pseudo-labels, while $τ$ adjusts their numbers to balance the corresponding error term. This inherent trade-off indicates that SSL can reach the same loss with varying $τ$, precise optimal values of $τ$ during training may be unnecessary. With this, we treat $τ$ as an updatable parameter and optimize it via differentiation; the new policy is named \textbf{Meta-Thresholding Semi-Supervised Learning (MTSSL)}. Extensive experiments demonstrate the superior performance of MTSSL. We observe that the accuracy curves of SSL algorithms can overlap completely even when the values of $τ$ differ significantly, which supports our theoretical framework and indicates that the selection of $τ$ can be relaxed in the future design of SSL algorithms.
• Abstract（参考訳）: 半教師付き学習〜(SSL)アルゴリズムの大きなボディは、擬似ラベルを選択するための閾値$τ$に遭遇する。 異なるSSLアルゴリズム間で$τ$の値は、学習の観点によって異なるが、同様のパフォーマンスを達成する可能性がある。 これはSSLにおける$τ$の役割を説明する統一的な理論フレームワークを確立する動機となります。 統計的には、教師なし損失は正誤ラベルによって独立に影響を受けるが、$τ$は対応するエラー項のバランスをとるためにそれらの数を調整している。 この固有のトレードオフは、SSLが$τ$で同じ損失に到達でき、トレーニング中に$τ$の正確な最適値が不要であることを示している。 これにより、$τ$をアップダブルパラメータとして扱い、差別化によって最適化し、新しいポリシーは「textbf{Meta-Thresholding Semi-Supervised Learning (MTSSL)」と呼ばれる。 MTSSLの優れた性能を示す実験が盛んである。 SSLアルゴリズムの精度曲線は$τ$の値が著しく異なる場合でも完全に重なり、理論的な枠組みをサポートし、将来のSSLアルゴリズムの設計において$τ$の選択が緩和可能であることを示す。

関連論文リスト

• AdaDim: Dimensionality Adaptation for SSL Representational Dynamics [13.068234143496335]
  効果的な自己監視学習(SSL)の鍵となる要素は、次元的崩壊を防ぐことである。 良いSSL表現空間は高い$H(R)$と低い$I(R;Z)$を持つべきである。 最高のSSLモデルは、最高$H(R)$も最低$I(R;Z)$も持たないが、実質的に両者のバランスを保っていることを示す。
  論文  参考訳（メタデータ） (2025-05-18T23:35:34Z)
• On Characterizing and Mitigating Imbalances in Multi-Instance Partial Label Learning [57.18649648182171]
  我々は、MI-PLLの文脈において、これまで研究されていない問題に対処するためのコントリビューションを行っている。 最小限の仮定をしながら、クラス固有のMI-PLLのリスク境界を導出する。 我々の理論は、$sigma$が学習の不均衡に大きな影響を及ぼすというユニークな現象を明らかにしている。
  論文  参考訳（メタデータ） (2024-07-13T20:56:34Z)
• Learning Label Refinement and Threshold Adjustment for Imbalanced Semi-Supervised Learning [6.904448748214652]
  半教師付き学習アルゴリズムは、不均衡なトレーニングデータに晒された場合、うまく機能しない。 Validation Data(SEVAL)に基づく擬似ラベル最適化によるセミ教師あり学習について紹介する。 SEVALは、擬似ラベルの精度を改善して特定のタスクに適応し、クラスごとに擬似ラベルの正確性を保証する。
  論文  参考訳（メタデータ） (2024-07-07T13:46:22Z)
• Can semi-supervised learning use all the data effectively? A lower bound perspective [58.71657561857055]
  半教師付き学習アルゴリズムはラベル付きデータを利用して教師付き学習アルゴリズムのラベル付きサンプル複雑性を改善することができることを示す。 我々の研究は、SSLアルゴリズムのパフォーマンス向上を証明することは可能だが、定数の注意深く追跡する必要があることを示唆している。
  論文  参考訳（メタデータ） (2023-11-30T13:48:50Z)
• OpenLDN: Learning to Discover Novel Classes for Open-World Semi-Supervised Learning [110.40285771431687]
  半教師付き学習(SSL)は、教師付き学習のアノテーションボトルネックに対処する主要なアプローチの1つである。 最近のSSLメソッドは、ラベルなしデータの大規模なリポジトリを有効活用して、ラベル付きデータの小さなセットに依存しながら、パフォーマンスを向上させることができる。 この研究は、ペアワイズ類似度損失を利用して新しいクラスを発見するOpenLDNを導入している。
  論文  参考訳（メタデータ） (2022-07-05T18:51:05Z)
• Self-supervised Learning is More Robust to Dataset Imbalance [65.84339596595383]
  データセット不均衡下での自己教師型学習について検討する。 既製の自己教師型表現は、教師型表現よりもクラス不均衡に対してすでに堅牢である。 我々は、不均衡なデータセット上でSSL表現品質を一貫して改善する、再重み付け正規化手法を考案した。
  論文  参考訳（メタデータ） (2021-10-11T06:29:56Z)
• End-to-end Generative Zero-shot Learning via Few-shot Learning [76.9964261884635]
  ゼロショット学習(ZSL)の最先端アプローチでは、生成ネットをトレーニングし、提供されたメタデータに条件付きサンプルを合成する。 本稿では,このような手法をバックボーンとして使用し,合成した出力をFew-Shot Learningアルゴリズムに供給するエンドツーエンド生成ZSLフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-02-08T17:35:37Z)
• On Data-Augmentation and Consistency-Based Semi-Supervised Learning [77.57285768500225]
  最近提案された整合性に基づく半教師付き学習(SSL)手法は,複数のSSLタスクにおいて最先端技術である。 これらの進歩にもかかわらず、これらの手法の理解はまだ比較的限られている。
  論文  参考訳（メタデータ） (2021-01-18T10:12:31Z)
• A Probabilistic Model for Discriminative and Neuro-Symbolic Semi-Supervised Learning [6.789370732159177]
  本稿では、その古典的な生成過程を反映した識別的SSLの確率モデルを提案する。 我々は、よく知られたSSLメソッドを事前の近似として解釈でき、改善可能であることを示す。 我々は識別モデルをニューロシンボリックSSLに拡張し、上記のルールを直接関連付けることによって、ラベルの特徴が論理規則を満たすようにした。
  論文  参考訳（メタデータ） (2020-06-10T15:30:54Z)

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。