Open Problem: Active Representation Learning

要約

この研究では、部分的に観察可能な環境内で探索と表現学習を絡み合わせる新しいクラスの問題である能動表現学習の概念を紹介します。
私たちは、Active Simultaneous Localization and Mapping (アクティブ SLAM) からのアイデアを拡張し、適応顕微鏡法に代表される科学的発見の問題に変換します。
私たちは、自然科学におけるデータ収集とモデル構築の効率と有効性を高めることを目的として、ある意味で実用的な表現から探索スキルを引き出すフレームワークの必要性を探ります。

要約(オリジナル)

In this work, we introduce the concept of Active Representation Learning, a novel class of problems that intertwines exploration and representation learning within partially observable environments. We extend ideas from Active Simultaneous Localization and Mapping (active SLAM), and translate them to scientific discovery problems, exemplified by adaptive microscopy. We explore the need for a framework that derives exploration skills from representations that are in some sense actionable, aiming to enhance the efficiency and effectiveness of data collection and model building in the natural sciences.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google