核心概念
新しいメタ学習フレームワーク「Evolved Model-Agnostic Loss(EvoMAL)」を提案し、シンボリックな損失関数を効果的に学習することができることを示した。
摘要
この論文では、遺伝プログラミングを使用してシンボリックな損失関数を学習する新しい手法「Evolved Model-Agnostic Loss(EvoMAL)」が提案されています。この手法は、外部最適化問題と内部最適化問題の両方を統合し、効果的なローカルサーチメカニズムを導入しています。実験結果は、EvoMALが他の既存手法よりも優れた推論パフォーマンス、収束性、およびサンプル効率性を実現していることを示しています。
統計資料
EvoMALはSineデータセットでMSE 1.2670±0.8052の結果を示す。
EvoMALはMNISTデータセットでER 0.0056±0.0009の結果を示す。
EvoMALはCIFAR-10データセットでER 0.0019±0.0021の結果を示す。
EvoMALはSurnameデータセットでER 0.1405±0.0162の結果を示す。