이 논문은 실세계 데이터셋의 한계를 해결하기 위해 다중 그룹 강인 학습 알고리즘을 제안한다. 실제 데이터 수집 과정에서 데이터 부패가 특정 하위 집단에 국한되는 경우가 많다. 이러한 상황에서 기존의 강인 학습 알고리즘은 전체 데이터셋에 대한 강인성만을 보장하므로, 부패가 없는 하위 집단에도 부정적인 영향을 줄 수 있다.
저자들은 다중 그룹 강인 알고리즘을 제안한다. 이 알고리즘은 각 하위 집단의 데이터 부패 정도에 따라 강인성 보장을 제공한다. 즉, 데이터 부패가 특정 하위 집단에 국한되어 있는 경우, 해당 하위 집단의 강인성만 저하되고 다른 하위 집단은 영향을 받지 않는다.
저자들은 다중 그룹 강인성과 다중 정확성 사이의 연관성을 밝히고, 이를 바탕으로 효율적인 다중 그룹 강인 알고리즘을 제시한다. 또한 실험을 통해 기존 모델들이 다중 그룹 강인성에 취약한 반면, 제안 알고리즘은 데이터 부패에도 강인한 성능을 보임을 입증한다.
Ke Bahasa Lain
dari konten sumber
arxiv.org
Wawasan Utama Disaring Dari
by Lunjia Hu,Ch... pada arxiv.org 05-02-2024
https://arxiv.org/pdf/2405.00614.pdfPertanyaan yang Lebih Dalam