BCCNet：贝叶斯分类器组合神经网络
机器学习
2018-11-30 v1 机器学习
摘要
面向发展中国家的机器学习研究，可通过向本国政府组织（GO）和非政府组织（NGO）提供及时且可操作的资讯以满足其关键信息需求，从而展现明确的可持续影响。我们与英国及本国的商业、GO 和 NGO 伙伴共同创造产品，以确保机器学习算法满足恰当的用户需求，无论是战术决策还是基于证据的政策决策。在一个具体案例中，我们开发并部署了一种新颖算法 BCCNet，用于快速处理大量非结构化数据以预防和应对自然灾害。众包提供了一种高效机制，从非结构化数据生成标签以为大规模数据分析的机器学习算法做准备。然而，这些标签往往不完美，且不同公民科学家的标签质量参差不齐，这阻碍了它们与许多最先进机器学习技术的直接使用。我们描述了 BCCNet，一个同时聚合来自人群的偏置且矛盾的标签并训练自动分类器以处理新数据的框架。我们的案例研究——用于疟疾预防的蚊子声音检测与用于灾害响应的损毁检测——展示了我们的方法在发展中国家应用这一挑战性情境下的有效性。
引用
@article{arxiv.1811.12258,
title = {BCCNet: Bayesian classifier combination neural network},
author = {Olga Isupova and Yunpeng Li and Danil Kuzin and Stephen J Roberts and Katherine Willis and Steven Reece},
journal= {arXiv preprint arXiv:1811.12258},
year = {2018}
}
备注
Presented at NeurIPS 2018 Workshop on Machine Learning for the Developing World