面向多学习器的非参数教学
机器学习
2023-11-20 v1 计算机视觉与模式识别
摘要
我们在非参数迭代教学设定下研究同时教导多个学习器的问题，其中教师迭代地向学习器提供样例以加速其对目标概念的获取。该问题源于当前单学习器教学设定与真实世界人类教学场景（教师通常向多名学生传授知识）之间的差距。在新问题表述下，我们引入了一种新框架——多学习器非参数教学（MINT）。在MINT中，教师旨在指导多个学习器，每个学习器专注于学习一个标量值目标模型。为此，我们将问题表述为教导一个向量值目标模型，并将目标模型空间从单学习器场景使用的标量值再生核希尔伯特空间扩展为向量值空间。此外，我们证明MINT相比重复的单学习器教学提供了显著的教学加速，特别是当多个学习器彼此能够通信时。最后，我们进行了大量实验以验证MINT的实用性与效率。
引用
@article{arxiv.2311.10318,
title = {Nonparametric Teaching for Multiple Learners},
author = {Chen Zhang and Xiaofeng Cao and Weiyang Liu and Ivor Tsang and James Kwok},
journal= {arXiv preprint arXiv:2311.10318},
year = {2023}
}
备注
NeurIPS 2023 (31 pages, 20 figures)