变分自编码器在主动学习中的有效性
机器学习
2019-11-19 v1 计算机视觉与模式识别
信息检索
机器学习
摘要
标签获取成本高昂是部署监督式机器学习算法的主要挑战之一。主动学习是一种有前景的方法，通过从大量未标注实例中选取标注训练样本，来控制学习过程并解决数据标注困难。本文中，我们提出一种数据驱动的主动学习新方法，选取一小部分既具信息量又具代表性的标注数据点。为此，我们提出一种高效的几何技术，在通过训练变分自编码器（VAE）获得的低维潜空间中选取多样化的核心集。我们的实验表明，相较于两种相关技术准确率有所提升，更重要的是，彰显了生成式建模在开发高维数据设定下新主动学习方法中的表征能力。
引用
@article{arxiv.1911.07716,
title = {The Effectiveness of Variational Autoencoders for Active Learning},
author = {Farhad Pourkamali-Anaraki and Michael B. Wakin},
journal= {arXiv preprint arXiv:1911.07716},
year = {2019}
}
备注
8 pages