代课教师网络：几乎无监督的学习
机器学习
2018-04-02 v1
摘要
通过经验学习耗时、低效且通常不利于你的皮质醇水平。为解决此问题，一些近期提出的教师-学生方法已展示了私人辅导的益处，其中单一模型从一组更有经验的导师集成中学习。不幸的是，此类监督的成本使得良好表征仅限于特权少数。无监督学习可用于降低辅导费用，但存在产生需要课外学习以充实其简历并创建自身 LinkedIn 档案的网络的风险。受本地招聘会上一个促销减压球上 logo 的启发，我们作出以下三点贡献。首先，我们提出一种新颖的几乎无监督训练算法，该算法有效且在学生网络被监督数量上高度可扩展，确保教育保持可负担。其次，我们在一个典型用例上展示我们的方法：学习烘焙，开发出一种在口感上美味地超越当前 SOTA 的方法。最后，我们对我们的方法提供严格的定量分析，证明我们能够使用计算器。我们的工作对长期以来“生活是最好的老师”这一信条提出了质疑。
引用
@article{arxiv.1803.11560,
title = {Substitute Teacher Networks: Learning with Almost No Supervision},
author = {Samuel Albanie and James Thewlis and Joao F. Henriques},
journal= {arXiv preprint arXiv:1803.11560},
year = {2018}
}
备注
Published as a conference at SIGBOVIK 2018