面向域适应的决策规则获取
机器学习
2021-02-24 v1 人工智能
摘要
人在回路机器学习在人工智能（AI）中被广泛用于从专家处获取数据点标签，或就预测结果接近目标的程度提供反馈。这种做法简化了专家决策过程的所有细节。在本工作中，我们允许专家额外产出描述其决策过程的决策规则；这些规则预期不完美但能提供附加信息。特别地，规则可延伸至新分布，从而能显著改善训练与测试分布不同（如域适应中）情况下的性能。我们将所提方法应用于终身学习与域适应问题，并讨论其在AI其他分支中的应用，如专家系统中的知识获取问题。在模拟与真实用户研究中，我们表明决策规则获取改善了算法的域适应，并有助于将专家知识传播至AI模型。
引用
@article{arxiv.2102.11539,
title = {Decision Rule Elicitation for Domain Adaptation},
author = {Alexander Nikitin and Samuel Kaski},
journal= {arXiv preprint arXiv:2102.11539},
year = {2021}
}