$HS^2$: 基于超图的主动学习

I Chien; Huozhi Zhou; Pan Li

$HS^2$: 基于超图的主动学习

机器学习 2018-11-29 v1 数据结构与算法机器学习

作者: I Chien , Huozhi Zhou , Pan Li

摘要

我们提出一种基于超图的主动学习方案，称之为 $HS^2$ 。 $HS^2$ 推广了先前报道的算法 $S^2$ ——该算法最初针对带点查询的基于图的主动学习而提出[Dasarathy 等，COLT 2015]。我们的 $HS^2$ 方法可容纳超图结构，并允许提出点查询与成对查询。基于特别为超图设计的新型参数化系统，我们推导了上述推广设定下 $HS^2$ 查询复杂度的理论结果。理论与实证结果均表明，当将 $S^2$ 应用于由相应超图经团扩张所得的图时， $HS^2$ 所需的查询数显著少于 $S^2$ 。

关键词

主动学习超图点查询成对查询查询复杂度 S2 算法

引用

@article{arxiv.1811.11549,
  title  = {$HS^2$: Active Learning over Hypergraphs},
  author = {I Chien and Huozhi Zhou and Pan Li},
  journal= {arXiv preprint arXiv:1811.11549},
  year   = {2018}
}

$HS^2$: 基于超图的主动学习

摘要

关键词

引用

相关论文