感知调整查询与用于低秩度量学习的倒置测量范式
机器学习
2023-09-12 v1 人工智能
信息论
机器学习
math.IT
摘要
我们引入一种用于收集人类反馈的新型查询机制，称为感知调整查询(PAQ)。PAQ 兼具信息量与认知轻量性，采用倒置测量方案，并融合了基数查询与序数查询的优点。我们在度量学习问题中展示 PAQ，通过收集 PAQ 测量来学习未知的马氏距离。这产生一个高维、低秩矩阵估计问题，标准矩阵估计量无法适用。据此，我们开发了用于从 PAQ 进行度量学习的两阶段估计量，并给出该估计量的样本复杂度保证。我们给出数值模拟，展示了估计量的性能及其显著特性。
引用
@article{arxiv.2309.04626,
title = {Perceptual adjustment queries and an inverted measurement paradigm for low-rank metric learning},
author = {Austin Xu and Andrew D. McRae and Jingyan Wang and Mark A. Davenport and Ashwin Pananjady},
journal= {arXiv preprint arXiv:2309.04626},
year = {2023}
}
备注
42 pages, 6 figures