生成式善意网络
机器学习
2019-10-29 v1 机器学习
摘要
我们提出生成式善意网络（GWINs），一种用于提升基于确定性的封闭世界分类器准确率的新型框架。一个条件生成网络恢复分类器以高确定性正确标注的观测分布。我们在推理时为分类器引入拒绝选项，使其可以拒绝某个观测实例而非预测不确定的标签。这些被拒绝的观测由生成网络转换为高确定性表示，随后由分类器重新标注。该架构适用于任意基于确定性的分类器或拒绝函数，且不限于多层感知机。我们使用基准分类数据集评估了该框架的能力，结果表明 GWINs 显著提升了不确定观测的准确率。
引用
@article{arxiv.1910.12481,
title = {Generative Well-intentioned Networks},
author = {Justin Cosentino and Jun Zhu},
journal= {arXiv preprint arXiv:1910.12481},
year = {2019}
}
备注
17 pages, 9 figures, 8 tables, to appear in the proceedings of Advances in Neural Information Processing Systems (NeurIPS), Vancouver, Canada, 2019