深層学習モデルの効率的な融合のための敵対的相補表現学習

単一モデルシステムは、意思決定時に部分的な事前知識に大きく依存するため、欠陥を抱えることが多い。多モデル融合(MMF)はこれらの問題の一部を緩和できるが、学習された表現の冗長性により、改善が制限される。そこで我々は、事前に獲得した知識を避けることで、個々のコンポーネントモデルが最大限に異なる相補的な表現を学習できる敵対的相補表現学習(ACoRL)フレームワークを提案する。