이 연구는 도메인 일반화 문제에서 부정확한 학습 프레임워크를 제안한다. 기존의 정확한 학습 접근법은 학습자가 특정 일반화 전략을 선택해야 한다는 가정을 가지고 있었다. 이로 인해 학습자와 운영자 간의 제도적 분리로 인한 문제가 발생할 수 있었다.
본 연구에서는 학습자가 일반화 전략에 대한 정확한 개념을 가정하지 않고도 다양한 일반화 전략을 최적화할 수 있는 부정확한 학습 프레임워크를 제안한다. 이를 통해 운영자가 배치 시 선호하는 일반화 전략을 지정할 수 있게 한다.
구체적으로, 학습자는 부정확한 위험 최적화(IRO) 알고리즘을 사용하여 증강된 가설(augmented hypothesis)을 학습한다. 이를 통해 학습자는 일반화 전략에 대한 정확한 개념을 가정하지 않고도 다양한 일반화 전략을 최적화할 수 있다. 운영자는 배치 시 선호하는 일반화 전략을 지정할 수 있다.
실험 결과는 제안된 부정확한 학습 프레임워크가 기존의 정확한 학습 접근법에 비해 일반화 성능이 우수하다는 것을 보여준다.
In eine andere Sprache
aus dem Quellinhalt
arxiv.org
Wichtige Erkenntnisse aus
by Anurag Singh... um arxiv.org 04-09-2024
https://arxiv.org/pdf/2404.04669.pdfTiefere Fragen