PowerEvaluationBALD：基于随机获取函数的高效面向评估的深度（贝叶斯）主动学习
机器学习
2021-05-12 v2 最优化与控制
摘要
我们开发了BatchEvaluationBALD，一种用于深度贝叶斯主动学习的新获取函数，作为BatchBALD的扩展，其考虑了未标注数据的评估集，例如池集。我们还开发了非贝叶斯设定下的变体，称为评估信息增益（Evaluation Information Gain）。为降低计算需求并允许这些方法扩展到更大的获取批量，我们引入了使用 tempered 获取分数重要性采样的随机获取函数。我们称此方法为PowerEvaluationBALD。我们在若干初步实验中表明，PowerEvaluationBALD与BatchEvaluationBALD表现相当，后者在Repeated MNIST（MNISTx2）上优于BatchBALD，同时相比BatchBALD或BatchEvaluationBALD大幅降低了计算需求。
引用
@article{arxiv.2101.03552,
title = {PowerEvaluationBALD: Efficient Evaluation-Oriented Deep (Bayesian) Active Learning with Stochastic Acquisition Functions},
author = {Andreas Kirsch and Yarin Gal},
journal= {arXiv preprint arXiv:2101.03552},
year = {2021}
}