利用时序特权信息高效学习非线性预测模型
机器学习
2023-11-21 v4 机器学习
摘要
在样本量有限的领域，高效学习算法至关重要。利用特权信息学习（LuPI）通过允许预测模型在训练时访问模型使用时不可得的辅助信息，提供了更高的样本效率。近期工作表明，对于线性高斯动力系统中的预测，可访问中间时序数据的LuPI学习器在期望上从不差于且常优于任何无偏经典学习器。我们为该分析提供新见解，并将其推广至潜变量动力系统中的非线性预测任务，将理论保证扩展至连接潜变量与观测的映射已知至一个线性变换的情况。此外，针对该映射未知的情形，我们提出基于随机特征与表示学习的算法。一系列实证结果证实了理论发现，并展示了在非线预测中利用特权时序信息的潜力。
引用
@article{arxiv.2209.07067,
title = {Efficient learning of nonlinear prediction models with time-series privileged information},
author = {Bastian Jung and Fredrik D Johansson},
journal= {arXiv preprint arXiv:2209.07067},
year = {2023}
}